该博客为《Ubuntu 相关》系列博客的第十一篇，该系列博客主要对Ubuntu安装各种软件或者库进行一个记录，方便重装系统后快速恢复工作。

安装完英伟达的显卡驱动，当然接着要安装CUDA和cuDNN，同样，安装CUDA看了很多资料，结果还是按照自己的方法安装上了，以下进行安装过程的记录。

Ubuntu16.04 GTX1050Ti安装CUDA10.0和cuDNN7.4.2

  • 版本选择
    • CUDA对显卡驱动版本的要求
    • PaddlePaddle对CUDA和cuDNN版本的要求
    • TensorFlow对CUDA和cuDNN版本的要求
  • CUDA10.0
    • 下载源文件
    • 安装CUDA
      • 查看CUDA安装的要求
      • 检查自己的电脑环境是否具备安装CUDA的条件
        • 验证自己的电脑是否有一个可以支持CUDA的GPU
        • 验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题)
        • 验证系统是否安装了gcc
        • 验证系统是否安装了kernel header和 package development
          • 查看正在运行的系统内核版本
          • 安装对应kernel版本的kernel header和package development
      • 安装CUDA
        • 禁用 nouveau驱动
        • 安装步骤
  • cuDNN7.4.2
    • 下载源文件
    • 安装过程
      • 解压下载的文件
      • 复制文件到cuda安装路径下
      • 查看cudnn版本

版本选择

CUDA对显卡驱动版本的要求

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html


我的显卡驱动是430版本的，所以完全可以安装CUDA10.0。

PaddlePaddle对CUDA和cuDNN版本的要求

https://www.paddlepaddle.org.cn/install/quick/zh/1.8.5-linux-conda

TensorFlow对CUDA和cuDNN版本的要求

https://www.tensorflow.org/install/source#linux

综上，我们选择CUDA10.0和cuDNN7.4.2是可以满足两个深度学习框架的安装要求的。

CUDA10.0

下载源文件

官网地址：https://developer.nvidia.com/cuda-toolkit-archive

网盘地址：https://pan.baidu.com/s/1hDnB1yuKao2Mh2dnJtKJwg 提取码: zskp

安装CUDA

查看CUDA安装的要求

在下载页面的下方有个Installation Guide for Linux，可以下载下来看看。

可以在文件中找到下面这个表，表中列出了一些版本信息：

我们最好按照表中的版本来安装，不过我有几个版本根表上的不一样，也安装成功了，不知道为什么！！！

检查自己的电脑环境是否具备安装CUDA的条件

验证自己的电脑是否有一个可以支持CUDA的GPU

你可以电脑的配置信息中找到显卡的具体型号

lspci | grep -i nvidia

会显示出你的NVIDIA GPU版本信息，不过不是很详细。

然后去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中。

然后就会惊奇的发现1050Ti没有，不过没有关系，看大佬的博客说是可以安装，这个表可能是不全！！！

验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题)

uname -m && cat /etc/*release


我的Ubuntu是16.04.7，这个跟官方文件里要求的不一样，但是可以安装！！！

验证系统是否安装了gcc

gcc -v


这里我的gcc版本是5.5，跟后官方的文件要求不一样，但是没有关系，装就完了！！！

验证系统是否安装了kernel header和 package development

查看正在运行的系统内核版本
uname -r


可以看到，我的版本依然跟官方的不一样，说实话，装的时候还是有点慌得！

安装对应kernel版本的kernel header和package development

不知道有什么用，不过大佬安装了，我也试着安装一下。

sudo apt-get install linux-headers-$(uname -r)


升级了 0 个软件包，新安装了 0 个软件包，要卸载 0 个软件包，有 4 个软件包未被升级。

表示系统里已经有了，不用重复安装。

安装CUDA

CUDA提供两种安装方式：package manager安装和runfile安装， package manager 安装方式相对简单一些，但是我在阅读别人博客的过程中发现选择这种方式在安装过程中问题可能多一点，失败的概率较大。为了减少不必要的麻烦我选择runfile安装方式。

禁用 nouveau驱动

lsmod | grep nouveau

如果没有输出，说明已经禁用，如果有输出则代表nouveau正在加载，需要我们手动禁掉nouveau。

Ubuntu的nouveau禁用方法：

  1. 在/etc/modprobe.d中创建文件blacklist-nouveau.conf
sudo vi /etc/modprobe.d/blacklist-nouveau.conf

输入以下内容：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
  1. 执行命令更新
sudo update-initramfs –u

  1. 重启验证
lsmod | grep nouveau

若无内容输出，则禁用成功。

安装步骤

注意：提前将cuda安装文件放到home文件下，方便后面安装。

  1. Ctrl+Alt+F1进入字符终端界面
  2. 输入用户名和密码
  3. 关闭图形化界面
sudo service lightdm stop
  1. 找到下载文件，赋予运行权限
sudo chmod a+x cuda_10.0.130_410.48_linux.run
  1. 运行安装文件
sudo ./cuda_10.0.130_410.48_linux.run
  1. 有很长的一段阅读文件，按住回车键，一直到100%即可。
  2. 依次输入：accept no yes yes yes

注意：第二个问题是，是否安装英伟达显卡驱动，一定要选择no，否则之前安装好的显卡驱动就废了。

  1. 安装成功后，会显示installed，否则会显示failed。
  2. 安装一些库：
sudo apt install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
  1. 重新启动图形化界面
sudo service lightdm start

这时会自动启动图形化界面，如果不启动，可以按Ctrl+Alt+F7。

  1. 检查Device Node Verification
ls /dev/nvidia*


显示出类似的信息，应该有三个（包含一个/dev/nvidia-uvm的），则安装成功。

如果只有两个或者一个都没有，请参考博客《Ubuntu16.04安装cuda9.0+cudnn7.0》

  1. 设置环境变量
sudo vim ~/.bashrc

注意：.bashrc是当前用户生效的环境变量，（比如我是al007）如果想对全部用户生效，可以在/etc/profile文件中设置

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
  1. 保存文件，让环境变量生效
source ~/.bashrc
  1. 检查上述的环境变量是否设置成功。
    验证驱动版本:
cat /proc/driver/nvidia/version


验证CUDA Toolkit:

nvcc -V

  1. 尝试编译cuda提供的例子，看cuda能否正常运行
cd /home/al007（user_name）/NVIDIA_CUDA-9.0_Samples
make


系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。如果出现错误的话，系统会立即报错停止。如果编译成功，最后会显示Finished building CUDA samples。

cd bin/x86_64/linux/release
./deviceQuery


其中 Result = PASS代表成功,CUDA安装且配置成功，若失败 Result = FAIL。

  1. 检查一下系统和CUDA-Capable device的连接情况
cd bin/x86_64/linux/release
./bandwidthTest


看到显示Result=PASS则成功。

cuDNN7.4.2

下载源文件

官网地址：https://developer.nvidia.com/rdp/cudnn-archive
官网需要登录英伟达账号才可以下载，没有账号的可以注册一个。

网盘地址：https://pan.baidu.com/s/18H5lDXNoasF_GYWIxpg8gg 提取码: ndd4

安装过程

解压下载的文件

tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

复制文件到cuda安装路径下

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

至此我们就结束了安装过程！！！

↓　　　　　↓　　　　　　↓　　　　　↓　
　☆★☆　　　☆★☆　　　　☆★☆　　　☆★☆　
☆　安　☆　☆　装　☆　　☆　成　☆　☆　功　☆　
　☆★☆　　　☆★☆　　　　☆★☆　　　☆★☆

Ubuntu16.04 GTX1050Ti安装CUDA10.0和cuDNN7.4.2相关推荐

  1. 集众家之所长，手把手教你如何在Ubuntu18.04上安装CUDA10.0+CUDNN7.5+Torch7(非Pytorch)(保姆级教学)

    弱小无力的目录 前言 零.动手前的准备 0.1 电脑配置 0.1.1 显卡(使用软件GPU-Z查看) 0.1.2 系统(cmd窗口输入`winver`) 0.2 参考文章(感谢各位大佬的分享┭┮﹏┭┮ ...

  2. win10_64位+GTX1070max-q安装CUDA10.0.130+CUDNN7.4.2+Anaconda3.5.2+Tensorflow-gpu2.0.0+PyTorch-gpu1.2.0

    文章目录 安装特定版本NVIDIA显卡驱动 下载和安装CUDA10.0.130 下载和安装CUDNN7.4.2 下载和安装Anaconda3.5.2 安装Tensorflow-gpu2.0.0和pyt ...

  3. win10下RTX 2080ti安装cuda10.0和cudnn7.6.5

    1 安装显卡驱动 在NVIDIA官网上下载显卡驱动,并进行安装 NVIDIA官网下载页面 2 安装cuda10.0 在cuda历史版本列表中下载cuda10.0 cuda10.0下载链接 下载完成后安 ...

  4. Ubuntu16.04 nvidiaGTX940、cuda10.0.130、cudnn7.5.0安装

    申明:由于系统经常奔溃或者一些莫名其妙的原因总是需要重装系统,而深度学习又需要用到英伟达驱动.cuda.cudnn,所以今天在重新安装系统之后进行一次三者安装的总结,以供以后不时之需.在此也和大家一起 ...

  5. Ubuntu 20.04 安装 CUDA10.0和cudnn7.6

    Install CUDA cuda 10.0 Download cuda 10 装的时候看着点,第二个要你装驱动的选择,回答N,不装. sudo sh cuda_10.0.130_410.48_lin ...

  6. Ubuntu16.04 RTX2060 安装CUDA10.2

    RTX2060显卡,需要安装 CUDA10.2,低版本不兼容 1.安装显卡驱动 一.查看适配显卡版本并下载 到英伟达官网搜索驱动  https://www.nvidia.cn/geforce/driv ...

  7. 配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet...

    注:本文原创,作者:Noah Zhang  (http://www.cnblogs.com/noahzn/) 决定加入深度学习的大军,感谢导师给配了台新设备!第一次接触服务器并配置开发环境,整个过程中 ...

  8. win10戴尔游侠GTX1050TI+TensorFlow-gpu+CUDA10.0.130+CUDNN7.4.1.5配置深度学习环境

    因为想要搞一搞ML,实验室服务器排不上,只好自己搭个环境. win10 1,IDE用的pycharm,在pycharm里面下载的TensorFlow-gpu 1.12.0; 2,然后查看显卡支持哪个版 ...

  9. GTX1050 Ti(notebook)+Ubuntu16.04上安装Cuda8.0

    本文主要总结了我在笔记本电脑上安装cuda8.0的过程和经验.内容参考了博客 http://blog.csdn.net/victoryaoyu/article/details/70034569, ht ...

  10. Ubuntu16.04（GTX1660ti）cuda10.0和cudnn7.6环境配置 （环境乃一生之敌！！！）

    Ubuntu16.04(GTX1660ti)cuda10.0和cudnn7.6环境配置 (环境乃一生之敌!!!) 第一项:安装显卡驱动 1.下载显卡驱动,到https://www.nvidia.com ...

最新文章

  1. NVIDIA Turing Architecture架构设计（上）
  2. jpg在线合并jpg_JPG如何运作
  3. linux内核调试技术 kprobe使用与实现
  4. linux查看动态库导出的符号,Linux下控制动态库导出
  5. python面向接口编程_Python 中的面向接口编程
  6. Building Paragon in Unreal Engine 4 - GDC 2016
  7. Kohana和Zencart
  8. memset()、memcpy()、memcmp()的使用方法
  9. 云智视像 | 内推两个年薪可达70万+的CV算法职位～base杭州上海
  10. 2018安卓应用安全白皮书：超98%安卓应用存有安全风险
  11. linux安装qt4 creator,ubuntu14.04下安装qt4.8.6 +qt creator
  12. Linux Shell编程（3）——运行shell脚本
  13. 一个很小的 截图 库。 只需要依赖 jQuery
  14. 自学-Linux-老男孩Linux77期-day4
  15. linux 调节风扇速度命令,ubuntu系统调节GPU风扇转速
  16. SJA1000波特率计算方式
  17. HP Compaq 6080 Pro 主机设置wakeonlan
  18. 写代码实现功能并不重要,重要的是一种独到的思维和架构
  19. 华为手机开启开发者模式
  20. 配置：以爱普生TM-T81热敏打印机为例：小票打印驱动安装配置

热门文章

  1. Cannot assign requested address问题总结
  2. linux下的/usr目录
  3. I2S UDAl1380
  4. 微信小程序wx.chooseImage选择图片并上传避坑/真机上传无效
  5. 桓公与轮扁：轮扁斫轮
  6. #3，Android Studio Android开发APP的开发语言和APP连接的数据库 总结
  7. 书单推荐2020-07-06
  8. matlab绘制图形hold on_matlab中hold on是什么意思
  9. 深入浅出解析变分法——一种常用的数学方法
  10. 安装mysql忘记设置密码后如何重设密码