ubuntu安装nvidia显卡驱动+cuda9.0+cudnn7.0+查看cuda版本+安装tensorrt+python查看gpu显存

一,驱动安装

显卡驱动和cuda版本关系

卸载原先驱动

sudo apt-get remove --purge nvidia-\*

ubuntu-drivers devices 查看显卡类型

Nvidia驱动下载地址：https://www.geforce.com/drivers选择对应的显卡和Linux 64 系统，可以下载最新版本。

要注意的是与cuda版本相配的driver版本。

1,修改blacklist.conf文件，禁用集显。

Ctrl+Alt+T 进入终端模式，依次输入命令：

sudo gedit /etc/modprobe.d/blacklist.conf  （打开blacklist.conf 文件）

在文件的末尾添加：

blacklist nouveauoptions nouveau modeset=0  保存后退出；禁用集显后才能正常安装Nvidia驱动。

再更新一下

sudo update-initramfs -u

修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau 输出无东西就下一步。

2,开始安装Nvidia驱动，以下步骤需在Ctrl+Alt+F1命令行模式下进行：

按下Ctrl+Alt+F1，输入管理员账号和密码。然后输入sudo –i 切换到root;

首先，禁用X server模式，如果不操作此步骤，安装时将提示Xserver报错。

sudo service lightdm stop

或者

sudo /etc/init.d/lightdm stop

依次输入以下命令：

sudo chmod +x NVIDIA-Linux-x86_64-384.111.runsudo ./NVIDIA-Linux-x86_64-384.111.run  -no-opengl-files–no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
–no-x-check 安装驱动时不检查X服务
–no-nouveau-check 安装驱动时不检查nouveau
后面两个参数可不加。

此时第一个选 n 也就是

不安装NVIDIA 加速图像驱动

后面的全部选y

我们可以输入reboot，退出命令行界面，再次启动到图形界面，输入nvidia-smi确认显卡驱动已经安装完成了.

但由于有些双系统的环境不得不启用BIOS的Secureboot时，我们将在下面文档中也会介绍，如何在Ubuntu中关闭Secureboot。

注意:如何不关闭BIOS secure boot，在Ubuntu中关闭Secure boot模式？

sudo mokutil  --disable-validation

设置mok的登录密码（必须8位字符以上，按回车再次输入）。

密码设置好后，直接点击图形界面的重启。系统在重启后自动进入MOK界面。

该界面提示按任意键进入MOK管理器，请务必在倒计时前敲任意键，否则直接进入系统了。MOK管理器校验密码比较特殊，需要将password的位数一个一个提示来输入。我们按提示输入即可。

密码校验完成后，我们直接选择“Change Secure Boot State“，

在Disable Secure boot启动界面，选到“Yes”，再reboot，即可关闭了Secureboot。

最后我们修改BIOS Secure boot为On，即可大功告成。（此操作步骤适用于双系统模式，因Ubuntu安装很多驱动仅支持在Secure boot关闭的模式下，而Windows应用有可能需要打开Secure boot。）

二,安装cuda9.0

https://developer.nvidia.com/cuda-toolkit-archive

找到下载文件的路径

sudo sh cuda_9.0.176_384.81_linux.run

　　单击回车，一路往下运行，直到提示“是否为NVIDIA安装驱动nvidia-384？”，选择否，因为已经安装好驱动程序了，其他的全都是默认，不过要记住安装位置，默认是安装在/usr/local/cuda-9.0文件夹下。

　配置环境变量，运行如下命令打开profile文件

　sudo gedit  /etc/profile

　　打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

export LD_LIBRATY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

　　保存，然后重启电脑

　sudo reboot

测试CUDA的例子：

cd  /usr/local/cuda-9.0/samples/1_Utilities/deviceQuerysudo make./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了。

最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

环境变量配置

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export PATH=/usr/bin/:$PATH
export PATH=~/anaconda3/bin:$PATH
export PATH=/usr/local/cuda-9.0/bin:/home/fzh/anaconda3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
#export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export CUDA_HOME=/usr/local/cuda-9.0

然后设置环境变量和动态链接库，在命令行输入：

$ sudo gedit /etc/profile

在打开的文件末尾加入：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64

保存之后，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下语句：

/usr/local/cuda-9.0/lib64

然后执行

sudo ldconfig

使链接立即生效。

三.安装cudnn

https://developer.nvidia.com/rdp/form/cudnn-download-survey

进入解压后的cudnn-9.0-linux-x64-v7.0.tgz文件cuda，在终端执行下面的指令安装：

tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda-9.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-9.0/include/

然后更新网络连接：

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.7.4.1  # 自己查看.so的版本
sudo ln -sf libcudnn.so.7.4.1. libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig

查看版本

cat /usr/local/cuda-9.0/version.txtcat /usr/local/cuda-9.0/include/cudnn.h | grep CUDNN_MAJOR -A 2nvcc -V

四,安装tensorrt

首先下载https://developer.nvidia.com/tensorrt

解压:

tar -xzvf TensorRT-5.0.2.6.Ubuntu-16.04.4.x86_64-gnu.cuda-9.0.cudnn7.3.tar.gz

添加环境变量,我是基于docker地址的

vim ~/.bashrc

source ~/.bashrc

tensorrt API文档

五.python查看gpu显存

pip install nvidia-ml-py3

import pynvml
pynvml.nvmlInit()
# 这里的0是GPU id
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
print(meminfo.used)