精华内容
下载资源
问答
  • 前言:本篇文章是基于安装CUDA 9.0的经验写,CUDA9.0目前支持Ubuntu16.04和Ubuntu17.04两个版本,如下图所示(最下面的安装方式我们选择第一个,即runfile方式):大家可以先将CUDA文件下载下来,但是最好不要急于安装...

    前言:

    本篇文章是基于安装CUDA 9.0的经验写,CUDA9.0目前支持Ubuntu16.04和Ubuntu17.04两个版本,如下图所示(最下面的安装方式我们选择第一个,即runfile方式):

    a93e73c63c60c7ca5adca27f2001a636.png

    大家可以先将CUDA文件下载下来,但是最好不要急于安装,一定要先将NVIDIA给出官方指导手册仔细看一下,然后再找几篇好的博客看一下,大致了解一下CUDA的安装过程,对安装过程中可能出现的问题要大致有一个了解,不到万不得已不要重装系统。

    安装建议:

    1)去官网下载CUDA的同时,一定要找份相应官方的安装文档仔细阅读,尽可能按照它的步骤一步步走,不可偷懒。同时再找几篇好的博客作为参考,安装之前做到胸有成竹。

    2)在安装之前一定要详细检查自己的电脑配置(单显卡还是双显卡)、显卡的种类是否符合CUDA的安装要求、系统是否满足安装要求。

    3)安装过程中每进行一项操作,都尽量去检查一下该项操作是否操作成功。

    安装过程:

    一、安装、熟悉ubuntu16.04系统

    安装软件之前最好对ubuntu的命令行有一些基本的了解,像sudo、cd、ls、nona、cat、chmod等等,这样能够在安装过程中省去很多不必要的麻烦。(推荐大家去百度搜一下莫凡Python,他有关于ubuntu命令的视频,每一集都很精炼,讲的很好)

    二、检查自己的电脑环境是否具备安装CUDA的条件

    1) 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,如果你是双系统,在Windows下的设备管理器中也可以查到显卡的详细信息;

    你也可以在ubuntu的终端中输入命令: $ lspci | grep -i nvidia ,会显示出你的NVIDIA GPU版本信息,不过不是很详细。

    我的显示为(GeForceGT630M):

    01:00.0 3D controller: NVIDIA Corporation GF117M [GeForce 610M/710M/810M/820M / GT 620M/625M/630M/720M] (rev a1)

    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。

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

    输入命令:

    $ uname -m && cat /etc/*release

    结果显示:

    x86_64

    DISTRIB_ID=Ubuntu

    DISTRIB_RELEASE=16.04

    ......

    3) 验证系统是否安装了gcc

    在终端中输入: $  gcc –version

    结果显示:

    gcc (Ubuntu 5.4.0-6ubuntu1~16.04.5) 5.4.0 20160609

    ......

    若未安装请使用下列命令进行安装:

    sudo apt-get install build-essential

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

    a、查看正在运行的系统内核版本:

    在终端中输入: $  uname –r

    结果显示:

    4.10.0-40-generic

    b、在终端中输入:$  sudo apt-get install linux-headers-$(uname -r)

    可以安装对应kernel版本的kernel header和package development

    结果显示:

    ......

    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。

    若以上各项验证检查均满足要求,便可进行下面的正式安装过程。如果没有满足要求的话,可以参考cuda的官方文档,里面有详细的针对每个问题的解决方案。

    三、选择安装方式

    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。

    下载cuda安装包:cuda官网下载,根据系统信息选择对应的版本,runfile安装的话最后一项要选择 runfile文件。

    下载完后,用MD5 检验,如果序号不和,得重新下载(由于当时没有保存,这里我采用了别人的截图,注意这里的cuda版本号,人家采用的cuda_8.0)

    输入命令:$  md5sum cuda_9.0.176_linux.run

    245df861a459d62fd48dc7cd8e2fc3b2.png

    四、runfile安装cuda

    1) 禁用 nouveau驱动

    终端中运行:$  lsmod | grep nouveau,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:

    a、在/etc/modprobe.d中创建文件blacklist-nouveau.conf

    输入命令:$  sudo vi /etc/modprobe.d/blacklist-nouveau.conf(利用vi编辑器编辑和保存文件)

    在文件中输入一下内容:

    blacklist nouveau

    options nouveau modeset=0

    b、执行:

    $ sudo update-initramfs –u

    c、再执行:

    $ lsmod | grep nouveau

    若无内容输出,则禁用成功,若仍有内容输出,请检查操作,并重复上述操作。

    注:vi是Linux终端下或控制台下常用的编辑器,基本的操作方式为:vi /路径/文件名

    例如:vi /etc/fstab表示显示/etc/fstab文件的内容。使用键盘上的Page Up和Page Down键可以上下翻页;按下Insert键,可以见到窗口左下角有“Insert”字样,表示当前为插入编辑状态,这时从键盘输入的内容将插入到光标位置;再按下Insert键,左下角将有“Replace”字样,表示当前为替换编辑状态,这时从键盘输入的内容将替换光标位置的内容。编辑完内容后,按下Esc键,并输入“:wq”,然后回车就可以保存退出。

    如果不想保存而直接退出,则按下Esc键后,输入“:q!”,然后回车即可。“wq”表示Write和Quit,即保存退出;“q!”表示忽略修改强行退出。

    以下操作建议手机拍照,建议把下载的cuda_9.0.176_384.81_linux.run文件重命名为cuda.run并移动到Home文件夹下(为了安装方便)

    2) 重启电脑,进入登录界面的时候,不要登录进入桌面(否则可能会失败,若不小心进入,请重启电脑),直接按Ctrl+Alt+F1进入文本模式(命令行界面),登录账户。

    3) 输入 $ sudo service lightdm stop 关闭图形化界面

    4) 切换到cuda安装文件的路径:$  cd Home/

    运行$ sudo sh cuda_7.5.18_linux.run

    按照提示一步步操作

    注:a、一定要按照提示)输入相应字符,例如有的需要输入accept,有的需要输入yes;

    b、遇到提示是否安装openGL ,选择no(如果你的电脑跟我一样是双显,且主显是非NVIDIA的GPU在工作需要选择no,否则可以yes),其他都选择yes或者默认即可。(如果您的电脑是双显卡且在这一步选择了yes,那么你极有可能安装完CUDA之后,重启图形化界面后遇到登录界面循环问题:输入密码后又跳回密码输入界面。

    这是因为你的电脑是双显,而且用来显示的那块GPU不是NVIDIA,则OpenGL Libraries就不应该安装,否则你正在使用的那块GPU(非NVIDIA的GPU)的OpenGL Libraries会被覆盖,然后GUI就无法工作了。)

    安装成功后,会显示installed,否则会显示failed。

    5) 输入 $ sudo service lightdm start 重新启动图形化界面。

    同时按住Alt + ctrl +F7,返回到图形化登录界面,输入密码登录。

    如果能够成功登录,则表示不会遇到循环登录的问题,基本说明CUDA的安装成功了。

    如果你遇到了重复登陆情况,不用急着重装系统,官方教程上有提及,原因上一步的注中有提及,在安装openGL时你可能不注意选择了yes,请卸载cuda,然后重装。

    卸载:由于登陆进入不到图形用户界面(GUI),但我们可以进入到文本用户界面(TUI)

    在登陆界面状态下,按Ctrl + Alt + f1,进入TUI

    执行

    $ sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl

    $ sudo /usr/bin/nvidia-uninstall

    然后重启

    $ sudo reboot

    重新安装.run   再次安装时请一定留意,在提示是否安装OpenGL时,你的是双显卡应该选则n。

    6) 重启电脑,检查Device Node Verification。

    执行

    $ ls /dev/nvidia*

    可能出现a、b两种结果,请对号入座。

    a、若结果显示

    /dev/nvidia0      /dev/nvidiactl      /dev/nvidia-uvm

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

    b、大多数结果可能会是这样

    ls: cannot access/dev/nvidia*: No such file or directory

    或是这样的,只出现

    /dev/nvidia0     /dev/nvidiactl

    a中的一个或两个,但没有/dev/nvidia-num,即文件显示不全。

    不用着急也不用急着重装系统(我在安装时就是这种情况),官方指导中有详细的解决方案,但是我的方法和官方稍微有些出入。

    首先要添加一个启动脚本(添加启动脚本的方法大致有两种,我采用最直接的方法,另一种可以先创建一个文件然后通过mv的方式移动到启动文件夹下,可自行百度)

    执行

    $ sudo vi /etc/rc.local

    如果你是第一次打开这个文件,它应该是空的(除了一行又一行的#注释项外)。这文件的第一行是

    #!/bin/sh -e

    把-e去掉(这步很重要,否则它不会加载这文本的内容)

    然后把下列内容除了#!/bin/bash外复制到其中,(before exit 0 )保存退出。

    #!/bin/bash

    /sbin/modprobe nvidia

    if [ "$?" -eq 0 ]; then

    # Count the number of NVIDIA controllers found.

    NVDEVS=`lspci | grep -i NVIDIA`

    N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`

    NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`

    N=`expr $N3D + $NVGA - 1`

    for i in `seq 0 $N`; do

    mknod -m 666 /dev/nvidia$i c 195 $i

    done

    mknod -m 666 /dev/nvidiactl c 195 255

    else

    exit 1

    fi

    /sbin/modprobe nvidia-uvm

    if [ "$?" -eq 0 ]; then

    # Find out the major device number used by the nvidia-uvm driver

    D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`

    mknod -m 666 /dev/nvidia-uvm c $D 0

    else

    exit 1

    fi

    下次重启时,你应该能直接看到/dev目录下的三个nvidia的文件

    输入:$ ls /dev/nvidia*

    结果显示:/dev/nvidia0       /dev/nvidiactl       /dev/nvidia-uvm

    成功!

    7) 设置环境变量。

    终端中输入 $ sudo gedit /etc/profile

    在打开的文件末尾,添加以下两行。

    64位系统:

    export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

    export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\

    ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    32位系统:

    export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

    export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib\

    ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    保存文件,并重启。因为source /etc/profile是临时生效,重启电脑才是永久生效。

    这里有点与官方安装文档稍有不同,需要说明:

    官方文档里说只需在终端中运行上述两条export语句即可,但如果不将它们不写入/etc/profile文件的话,这样的环境变量在你退出终端后就消失了,不起作用了,所以写入才是永久的做法。

    8) 重启电脑,检查上述的环境变量是否设置成功。

    a、 验证驱动版本

    敲入

    $ cat /proc/driver/nvidia/version

    结果显示

    NVRM version: NVIDIA UNIX x86_64 Kernel Module 384.81 Sat Sep 2 02:43:11 PDT 2017

    GCC version: gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.5)

    b、 验证CUDA Toolkit

    敲入

    $ nvcc -V       会输出CUDA的版本信息

    如果是这样的:

    The program 'nvcc' is currently not installed. You can install it by typing:

    sudo apt-get install nvidia-cuda-toolkit

    可能是环境配置没有成功,请重复上述步骤7)。

    五、 尝试编译cuda提供的例子

    1)打开终端输入:$   cd /home/xxx/NVIDIA_CUDA-9.0_Samples        其中xxx是你自己的用户名,通过命令cd进入NVIDIA_CUDA-9.0_Samples目录。

    然后终端输入:$ 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。

    第一次运行时可能会报错,提示的错误信息可能会是系统中没有gcc,

    解决办法就是通过命令重新安装gcc就行,在终端输入:$ sudo apt-get install gcc 安装完gcc后, 再make就正常了。

    如果编译成功,最后会显示Finished building CUDA samples,如下图所示。

    241733c4a03f1b189e6d2bfc53800a32.png

    2)运行编译生成的二进制文件。

    编译后的二进制文件 默认存放在NVIDIA_CUDA-9.0_Samples/bin中。

    接着在上一个终端中输入 :$  cd /home/lxxx/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release       其中xxx是你自己的用户名

    然后在终端输入 :$ ./deviceQuery

    结果如下图所示:看到类似如下图片中的显示,则代表CUDA安装且配置成功,其中 Result = PASS代表成功,若失败 Result = FAIL

    f770a9df0a503adf12ac434f9bfa5313.png

    3)最后再检查一下系统和CUDA-Capable device的连接情况

    终端输入 : $./bandwidthTest

    看到类似如下图片中的显示,则代表成功

    ec885088a1438de7905d700df9ab84eb.png

    最后祝大家都能愉快安装使用CUDA

    到此这篇关于Ubuntu16.04上安装CUDA9.0 详细教程的文章就介绍到这了,更多相关Ubuntu16.04安装CUDA9.0内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    展开全文
  • 在CentOS上安装cuda

    2021-05-27 08:01:56
    8种机械键盘轴体对比本人程序员,...这篇教程在以下服务器上部署成功:系统版本:Ubuntu-14.04.5-Server-amd64CUDA Toolkit版本: 8.0.61_375_26系统版本: CentOS 6.8(amd64)CUDA Toolkit版本:9.1基本步骤:安装前...

    66b52468c121889b900d4956032f1009.png

    8种机械键盘轴体对比

    本人程序员,要买一个写代码的键盘,请问红轴和茶轴怎么选?

    这篇文档是参照NVIDIA的官方文档做了删减修补而成,官方文档在这里。

    这篇教程在以下服务器上部署成功:

    系统版本:Ubuntu-14.04.5-Server-amd64

    CUDA Toolkit版本: 8.0.61_375_26

    系统版本: CentOS 6.8(amd64)

    CUDA Toolkit版本:9.1

    基本步骤:安装前检查系统是否满足要求

    (假如需要安装CUDA的标准样本库则需要进行此步操作)安装CUDA SAMPLE所必需的依赖包

    禁用Nouveau驱动

    下载CUDA-Toolkit驱动文件

    安装CUDA-Toolkit

    检查是否安装成功

    1. 安装前检查系统是否满足要求

    系统要求:

    在您的系统安装CUDA需要安装以下部件:CUDA GPU

    GCC编译器,Linux开发环境支持以及其他相关包

    NVIDIA CUDA Toolkit,可在NVIDIA官方网站下载。

    1.1 检查系统GPU是否支持CUDA

    为了检验系统是否支持CUDA,你可以去不同发行版对应的系统配置里查看,或者使用以下命令检查:1lspci | grep -i nvidia

    1.2 检查系统版本是否符合要求

    CUDA只支持某些版本的linux系统,在cuda的版本手册里面已经注明了,为了检验你的系统是否支持CUDA,你可以使用以下命令查看:1uname -m && cat /etc/*release

    或者uname -r,你应当可以看到和下面相似的输出1

    2x86_64

    Red Hat Enterprise Linux Workstation release 6.0 (Santiago)

    其中x86_64一行表明你的系统是64位的,下面一行给出了关于系统的相关信息。

    1.3 检查系统是否已经安装了GCC编译器

    对于使用CUDA从事开发而言,gcc编译器是必须的,但对于运行CUDA应用它不是必须的。在大多数情况下,gcc编译器要是安装在(cuda)支持的linux发行版里,工作起来没有什么问题。

    查看系统里安装的gcc编译器可以使用以下命令:1gcc --version

    对于Ubuntu而言,则是1gcc -v

    假如系统上没有安装gcc编译器,可以使用以下命令安装:

    ubuntu:1sudo install -y gcc

    RHEL/CentOS:1yum install -y gcc

    1.4 检查系统是否已经安装了对应版本的Kernel Headers以及对应的开发包

    无论你什么时候更改了kernel的版本,对应版本的kernel headers以及开发包都必须在安装CUDA之前安装好,查看系统的内核(kernel)版本可以使用以下命令查看:1uname -r

    输出结果是系统内核版本号。在安装CUDA驱动前,系统的kernel headers以及开发包的版本号必须和这个版本号一致,这个命令可以用于拼接命令从而安装kernel headers以及开发包。

    下面列举出来的是一些linux发行版如何安装kernel headers以及开发包的命令,需要注意的是,对于其他的linux发行版,需要保证kernel headers和kernel build版本保持一致。

    1.4.1 RHEL/CentOS

    可以用以下命令来安装和内核版本一致的kernel headers以及开发包:1sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

    1.4.2 Fedora1sudo dnf install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

    1.4.3 OpenSUSE/SLES

    使用输出的内核版本信息:1

    2uname -r

    3.16.6-2-default

    在这个例子里面,内核版本是3.16.6-2, variant是default. kernel headers以及开发包可以用以下命令安装,记得将variant和version用上面输出来的版本号和信息替换。1sudo zypper install kernel--devel=

    1.4.4 Ubuntu1sudo apt-get install linux-headers-$(uname -r)

    2. 安装CUDA SAMPLE所必需的依赖包1sudo apt-get install -y make freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

    3. 禁用Nouveau驱动

    为了安装显示驱动,需要禁用Nouveau驱动。不同发行版的linux的禁用方法是不同的。

    首先查看系统的Nouveau驱动是否已经启用了:1lsmod | grep nouveau

    假如有任何信息说明系统加载了Nouveau驱动。

    禁用方法如下:

    3.1. Fedora1touch /usr/lib/modprobe.d/blacklist-nouveau.conf

    在blacklist-nouveau.conf中写入:1

    2blacklist nouveau

    options nouveau modeset=0

    重新生成内核的启动镜像initramfs文件包:1sudo dracut --force

    3.2. RHEL/CentOS1touch /etc/modprobe.d/blacklist-nouveau.conf

    在blacklist-nouveau.conf中写入:1

    2blacklist nouveau

    options nouveau modeset=0

    重新生成内核的启动镜像initramfs文件包:1sudo dracut --force

    3.3. OpenSUSE1touch /etc/modprobe.d/blacklist-nouveau.conf

    在blacklist-nouveau.conf中写入:1

    2blacklist nouveau

    options nouveau modeset=0

    重新生成内核的启动镜像initramfs文件包:1sudo /sbin/mkinitrd

    3.4. SLES

    SLES上不需要做任何操作因为SLES上没有安装Nouveau.

    3.5. Ubuntu1touch /etc/modprobe.d/blacklist-nouveau.conf

    在blacklist-nouveau.conf中写入:1

    2blacklist nouveau

    options nouveau modeset=0

    重新生成内核的启动镜像initramfs文件包:1sudo update-initramfs -u

    3.下载NVIDIA的CUDA Toolkit

    NVIDIA CUDA Toolkit可在这里下载。

    可以用MD5校验下载文件是否完整:1md5sum

    CUDA-Toolkit对应的MD5SUM可以在这里进行校验。

    4. 安装CUDA Toolkit

    4.1 安装

    使用以下命令进行安装:1sudo sh cuda__linux.run

    或者1sudo ./cuda__linux.run

    在安装过程中,installer会弹出下列对话要求我们响应:EULA Acceptance

    CUDA Driver installation

    CUDA Toolkit installation, location, and /usr/local/cuda symbolic link

    CUDA Samples installation and location

    假如选择了安装CUDA驱动(显卡的驱动),installer会提示是否安装openGL库。假如用于显示器显示的显卡不是NVIDIA显卡,那么OpenGL库不应该被安装,否则非Nvidia的OpenGL会被覆盖从而导致GUI不能正常工作。此时可以在安装命令后面加上参数--no-opengl-libs可以拒绝安装OpenGL库文件。

    假如用于显示的显卡是NVIDIA显卡,那么X server的配置文件:/etc/X11/xorg.conf可能需要手动修改配置。在默认情况下,nvidia-xconfig会为系统自动生成一个xorg.conf文件。对于一些非标准的系统,比如超过一个GPU以上的系统,更加推崇的是手动修改xorg.conf文件。查看xorg.conf文件的文档以便获取更多信息。

    其他配置保持默认即可。

    4.2 添加环境变量

    安装完成后需要在/etc/profile中添加环境变量, 在文件最后添加:1

    2PATH=/usr/local/cuda-8.0/bin:$PATH

    export PATH

    保存后, 执行下列命令, 使环境变量立即生效1source /etc/profile

    5. 检查是否安装成功:

    5.1 敲命令1nvidia-smi

    有显示nvidia的显卡信息则成功

    5.2 编译例子,看例子是否能运行

    完成后编译Sample文件, 整个过程大概10分钟左右1

    2cd /usr/local/cuda-8.0/samples

    sudo make

    全部编译完成后, 进入samples/bin/x86_64/linux/release,sudo下运行deviceQuery1

    2cd samples/bin/x86_64/linux/release

    sudo ./deviceQuery

    如果出现下列显卡信息, 则驱动及显卡安装成功:1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    20

    21

    22

    23

    24

    25

    26

    27

    28

    29

    30

    31

    32

    33

    34

    35

    36

    37

    38

    39

    40

    41./deviceQuery Starting...

    CUDA Device Query (Runtime API) version (CUDART static linking)

    Detected 1 CUDA Capable device(s)

    Device 0: "GeForce GTX 670"

    CUDA Driver Version / Runtime Version 6.5 / 6.5

    CUDA Capability Major/Minor version number: 3.0

    Total amount of global memory: 4095 MBytes (4294246400 bytes)

    ( 7) Multiprocessors, (192) CUDA Cores/MP: 1344 CUDA Cores

    GPU Clock rate: 1098 MHz (1.10 GHz)

    Memory Clock rate: 3105 Mhz

    Memory Bus Width: 256-bit

    L2 Cache Size: 524288 bytes

    Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

    Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

    Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

    Total amount of constant memory: 65536 bytes

    Total amount of shared memory per block: 49152 bytes

    Total number of registers available per block: 65536

    Warp size: 32

    Maximum number of threads per multiprocessor: 2048

    Maximum number of threads per block: 1024

    Max dimension size of a thread block (x,y,z): (1024, 1024, 64)

    Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

    Maximum memory pitch: 2147483647 bytes

    Texture alignment: 512 bytes

    Concurrent copy and kernel execution: Yes with 1 copy engine(s)

    Run time limit on kernels: Yes

    Integrated GPU sharing Host Memory: No

    Support host page-locked memory mapping: Yes

    Alignment requirement for Surfaces: Yes

    Device has ECC support: Disabled

    Device supports Unified Addressing (UVA): Yes

    Device PCI Bus ID / PCI location ID: 1 / 0

    Compute Mode:

    < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670

    Result = PAS

    到此成功安装了CUDA Toolkit。

    展开全文
  • Ubuntu18.04安装CUDA历程

    2021-07-24 14:36:03
    Ubuntu18.04安装CUDA历程Ubuntu安装CUDA缘由安装背景介绍功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、...

    Ubuntu安装CUDA前言

    与Ubuntu的初识准确来说是2020年的11月份,当时安装是为了使用ROS上的一些功能。折腾了一两天,ROS安装上了,后来却因某些原因搁置了ROS的进一步学习。到了年末,学校布置课设,拿到的是一个图像处理的任务。我心想Ubuntu都装好了,就顺便装个Python开发环境,以后就直接用Ubuntu开发好了,跟CUDA的“爱恨情仇”就此展开。

    安装背景介绍

    CUDA与其他软件的安装不同,对系统环境的要求较高。比如各版本的CUDA需要与驱动严格对应,CUDA与cuDNN也必须对应,在Linux系统中还需要与gcc版本严格对应(这里涉及我血的教训)。关于CUDA与显卡驱动和cuDNN的对应关系,在我之前Windows系统安装CUDA的教程里面有相应的总结,客官请移步

    关于我具体安装的版本介绍如下:我的Ubuntu选择的是18.04版本,我的显卡是笔记本端的1050,在Ubuntu 软件和更新-附加驱动中可以看到系统推荐的几个驱动版本,包括390、410、460、470等版本,这里我选择的是460版本的驱动。

    基于上述基本情况,我选择的CUDA版本是10.1,cuDNN版本是7603。

    驱动版本查看及安装

    Ubuntu中安装显卡驱动的方式五花八门,但很多方法风险性较大,一旦安装出错需要一定的调校能力方可使系统恢复正常。这边给出一个我去年安装显卡驱动的帖子,此帖在我当时看来是众多不靠谱教程中还算靠谱的一个。

    去年安装的时候因为不熟悉Ubuntu系统嘛,胡乱安装操作一通,英伟达显卡驱动是安装上了的。但后来在安装CUDA的时候出了问题,甚至听信某帖子关闭图形界面,把我的Ubuntu启动界面给搞无了。一直搁置到最近才重新拾起Ubuntu上CUDA安装的问题,根据我现在安装的经验,如下方法在安装驱动的时候是最为有效的。

    在Ubuntu的 软件和更新-附加驱动中可以看到本机显卡支持的驱动版本,根据要安装的CUDA版本选择合适的驱动。例如我要安装的是CUDA 10.1,上述列出的390和410版本是无法使用的,我选择的是460版本。在选择完相应的驱动版本后,需要应用更改,大致界面就是下图(采用的是网图,倾删)这样:

    在这里插入图片描述
    在快结束的时候会让输入一个 secure boot 的密码,这个密码在重启时进入 perform mok management 界面是有大用的,需谨记!!!

    重启进入 perform mok management 界面后,选择第二个 enroll mok,然后选择continue,再选择yes,输入之前的 secure boot 密码。

    • 注意:你这时候键盘按下去的话,屏幕上没有显示的,只要确认自己输入无误,回车确定即可。

    这里给出我在搞定驱动问题时参考的一篇博客,此博客极其适合刚入门的小白,看了之后绝对清楚!

    驱动安装后续问题说明

    在2020年的时候,我是安装驱动成功,安装CUDA失败才罢手的。到2021年的现在,我是先解决了CUDA的安装,而后发现命令行输入 nvidia-smi 指令显示不对后又重新深刻地认识了驱动安装的问题。

    我输入 nvidia-smi 显示如下:

    NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
    

    网上搜索了一下,博客中提到的大致解决方法如下:

    sudo apt-get install dkms
    sudo dkms install -m nvidia -v xxx.xx
    

    上述shell命令第二行是与各自的驱动版本直接相关的。以我的驱动版本为例,第二行应写作:

    sudo dkms install -m nvidia -v 460.84
    

    需要说明的一点是,该方法适用的情形大体是之前驱动和CUDA都安装成功了,但由于Ubuntu内核版本的升级,CUDA与驱动直接的依赖关系被破坏了。但我今年在解决了去年遗留的CUDA安装问题后采用这两行命令仍旧无法正常让CUDA和驱动间建立联系,真实情况是除了内核,你的gcc版本决定了驱动程序能否正常工作。

    驱动与Ubuntu下gcc版本的对应

    之前在搜索驱动和CUDA间无法通信的解决方案时就看到了这篇博文,文章中提到的报错与我大致相似,也是让我去make.log文件中查看具体的错误原因。

    Error! Bad return status for module build on kernel: 5.4.0-80-generic (x86_64)
    Consult /var/lib/dkms/nvidia/460.84/build/make.log for more information.
    

    起初我没太当回事,忽视了这一条。在我自己搞崩溃找了淘宝卖家也无法解决的第二个星期,我注意到了这条错误,且我真的打开了make.log文件去查看具体的错误原因。文件中所提及的错误与博客中并不一样,报错的一个示例如下:

    unrecongnized command line option '-fstack-protector-strong'
    

    稍加搜索,我发现基本也是引流到gcc版本的问题上,而后我通过

    gcc -v
    

    看到我的gcc版本是4.8.x,这与主流的7.3.0版本相差甚远。参考这篇博文,将我的gcc默认版本设置成gcc7,至此,重复前文提到的驱动安装步骤即可在驱动和CUDA间建立联系。

    CUDA安装

    因为我们事先已经定好了要下载CUDA 10.1版本,直接打开CUDA官网,选择之前的版本。一波选择之后,会提示你安装的步骤,根据英伟达官方提供的教程一步步安装应该就能顺利安装上CUDA。

    在这里插入图片描述
    注意,这边需选择deb格式,本地安装,方便采用命令直接安装。如果网速较慢,也可先下载deb文件包,然后再进行后续的安装步骤。总之,Linux环境下安装东西都需要一个较好的网络环境。

    环境的配置

    CUDA安装成功的关键一点是需要配置相应的环境。reboot 重启系统后,采用如下命令打开配置文件:

    sudo gedit ~/.bashrc
    

    在文件末尾添加如下命令:

    export PATH=/usr/local/cuda-10.1/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
    

    保存之后在命令行窗口使用 nvcc -V 查看能否检测到安装成功

    Ubuntu完全卸载CUDA

    因为CUDA是去年装了一半嘛,然后又因为网络原因先下了10.0,又下了10.1,两个都安装了,但显示检测不到。大概的原因是版本之间的依赖存在一定的错误,我选择把10.0给卸载,但CUDA在Ubuntu已安装的软件中找不到对应的图标,这边找到一个完全卸载CUDA的方法:ubuntu完全卸载CUDA

    补充:sudo apt-get update 出现签名无效或者没有数字签名

    因为我是时隔半年才打开的Ubuntu,中间一直没有更新系统的源:

    sudo apt-get update
    

    所以在一开始安装驱动、包括CUDA与驱动间重新建立通信的语句全部都是失效的。然后更新系统源就会报如下错误:

    W: GPG 错误:http://packages.ros.org/ros/ubuntu bionic InRelease: 下列签名无效: EXPKEYSIG F42ED6FBAB17C654 Open Robotics <info@osrfoundation.org>
    E: 仓库 “http://packages.ros.org/ros/ubuntu bionic InRelease” 没有数字签名。
    

    我采用的是中科大的源,然后运行如下语句即可重新拿到秘钥并更新源:

    sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys F42ED6FBAB17C654
    

    参考博文:sudo apt-get update 出现签名无效或者没有数字签名

    展开全文
  • 安装cuda

    2021-05-04 11:52:18
    https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html https://developer.nvidia.com/cuda-toolkit-archive 选择下载

    在这里插入图片描述
    https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
    在这里插入图片描述
    https://developer.nvidia.com/cuda-toolkit-archive
    选择下载
    在这里插入图片描述
    CUDA安装成功!
    WIN10安装cuDNN
    cuDNN Download:https://developer.nvidia.com/rdp/cudnn-download
    (进入网页下载当然要注册账号,如果有就不用了)

    注意要打勾才显示下载列表,按照自己的需要下载安装
    在这里插入图片描述
    按照我的方法安装玩tensorflow-gpu后,接下来就是安装pytoch-gpu版了

    打开https://pytorch.org/get-started/locally/

    展开全文
  • 进入/usr/local中,如果发现cuda-x.x的文件夹,则说明已经安装cuda,就此打住。 我的没有,接着往下。 2. 提前安装一些必要软件 因为我的机器里面除了python3和pip3,其余的没有安装,因此,这里我需要全部安装上。...
  • ubuntu 20.04安装cuda

    千次阅读 2021-12-03 18:13:02
    Anaconda中安装cuda 安装tensorflow后跑深度学习代码时,发现只在cpu上运行。 运行下列代码,发现找不到gpu 导入tensorflow显示 W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load ...
  • Win10安装CUDA11.4和Torch1.9.0

    万次阅读 多人点赞 2021-07-06 09:19:26
    Win10安装CUDA11.4和Torch1.9.0CUDA介绍及安装说明CUDA介绍CUDA安装说明显卡驱动查看及CUDA安装版本号选择查看本机显卡驱动查询CUDA支持的显卡驱动版本CUDA及cuDNN安装官网下载CUDA11.4并安装cuDNN下载及安装安装...
  • 然后使用ctrl+alt+F1进入终端,使用如下命令关掉图形用户界面:sudo service lightdm stop然后卸载所有之前安装的nvidia驱动以及cuda相关文件:sudo apt remove --purge nvidia*sudo apt remove --purge cud...
  • 2.ubuntu21.04环境下NVIDIA显卡驱动以及CUDA、CUDNN安装 参考原文:https://zhuanlan.zhihu.com/p/369713724 2.1安装版本 根据后续安装包的兼容性,选择cuda11.1.0版本。具体程序包为cuda_11.1.0_455.23.05,该...
  • 目录 1.宿主机环境 2.安装docker ...5、安装CUDA 5.1CUDA推荐下载.run可以根据提示安装 5.2安装完成后,设置环境变量 6.cudnn的安装 6.1下载安装文件 6.2安装cudnn 6.3查看cudnn版本 1.宿主机环境 .
  • ubuntu18.04 安装CUDA11.2

    千次阅读 2021-03-02 00:08:50
    Ubuntu配置CUDA: 也不知道是谁说的Ubuntu配置CUDA比win10容易, 反正我前前后后整了2天, 裂开了 ...这里给出老黄官方CUDA Toolkit 的安装教程, 有啥步骤不明确以这个为准 https://docs.nvidia.com/cuda/cud
  • tensorflow版本与cuda和cudnn的对应关系:https://tensorflow.google.cn/install/source安装一定要查看CUDA要求的Linux下的Driver Version,链接网址如下:...提示...
  • 基于ubuntu安装cuda,cuDNN

    2021-10-25 16:52:57
    1.cuda驱动安装 2.cuda安装 根据gpu型号下载对应的驱动程序 wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run sudo sh cuda_11.0.2_450...
  • 首先提前安装好显卡驱动,在软件与更新--附加驱动里面直接安装即可,这个很简单,不再赘述。 查看自己应该安装的版本
  • 安装cuda11.1

    千次阅读 2021-05-08 13:35:52
    环境:Ubuntu 20.04 x86_64(其他版本也可以在官网参考安装) Download CUDA for Linux Ubuntu 20.04 x86_64 wget ...
  • 1050ti显卡安装cuda

    千次阅读 2021-11-21 21:07:40
    1.安装CUDA 1.1显卡状况查看 1.1.1打开设备管理器 可见答主本机有一个集成显卡和一个独立显卡 1050ti 1.1.2 在桌面单击鼠标右键,选择NVIDIA 控制面板,并打开 在NVIDIA控制面板界面顶栏选择帮助->系统信息打开...
  • 对小白很不友好,我几乎整了整整一天,中途想放弃过很多次,最后终于弄好了,回头看看其实不是很难,但是网上文章又多又杂,确实让我来回鼓捣了很久,于是写下这篇文章,希望对新入门GPU机去学习,想安装CUDA的朋友...
  • Ubuntu16.04安装CUDA8.0

    2021-03-09 14:24:25
    1. 下载Cuda8.0 在官网上下在cuda8.0, 历史版本:...它要求的nvidia驱动版本要不小于375.26,我安装的nvidia驱动版本是455.45.01,应该是OK的。 2. 禁用nouveau通用显卡驱动
  • Ubuntu16.04在cuda10.2的基础上安装cuda11.0并存 文章目录Ubuntu16.04在cuda10.2的基础上安装cuda11.0并存前言一、安装cuda11.0二、安装cuDNN v8.0.4后记 前言 在ubuntu16.04系统中,安装了cuda10.2版本,但是yolov...
  • Jetson Nano 系统安装安装 CUDA

    千次阅读 2021-04-12 15:40:03
    jetson nano默认已经安装CUDA10.0,但是直接运行 nvcc -V是不会成功的,需要你把CUDA的路径写入环境变量中。 $ sudo gedit ~/.bashrc 在最后添加 export CUBA_HOME=/usr/local/cuda-10.0 export LD_LIBRARY_PATH=...
  • 安装 cuda 11.4

    2021-09-25 01:24:57
    2. 禁nouveau (apt安装则不需要这一步,若下载文件安装就需要) (1) sudo gedit/etc/modprobe.d/blacklist-nouveau.conf (2)进入对话框后添加以下内容后‘save’: blacklist options nouveau .
  • Ubuntu20.04安装CUDA10.0

    2021-09-09 21:50:40
    1.在安装过程中,遇到如下错误 图一 报错截图 解决方案一:不要安装OpenGL,对我没有效果 解决方案二:按照提示,阅读nvidia-installer.log文件,文件内容如图二,也就是重启。 图二 文件提示的错误和解决...
  • 安装前准备cuda的主要用途是深度学习,而目前主流的深度学习框架tensorflow2最高支持cuda 10.1,因此本文讲解在ubuntu 20.04系统上安装cuda 10.1的主要过程。首先要查看你的nvidia显卡驱动是否支持cuda10.1版本。在...
  • Windows10安装CUDA10.1

    2021-01-28 21:05:57
    实验需要用到丹炉,按照官网的命令安装了TensorFlow,装完之后执行 “import tensorflow as tf” 报错 “2021-01-27 21:36:17.593775: W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not ...
  • ubuntu 16.04安装 CUDA

    2021-05-27 08:01:54
    使用的是GTX1080平台是Ubuntu16.04驱动是:NVIDIA-Linux-x86_64-450.57.runCUDA: cuda_11.0.2_450.51.05_linux.runCUDNN:libcudnn8_8.0.1.13-1+cuda11.0_amd64.deblibcudnn8-dev_8.0.1.13-1+cuda11.0_amd64.debl...
  • 目前 Ubuntu 18.04、16.04 等已经支持使用 APT 包管理工具来安装 CUDA,非常方便。不像之前,装个 CUDA 给人感觉非常折腾,并且需要花很多力气。老唐看了看网上的教程,很多都没有更新,都是之前的教程,下载这个...
  • 之前我都是傻傻地去安装官网上cuda和cudnn的exe文件,先后经历了官网下载速度慢、找对应版本的网盘资源、甚至居然还需要visual studio来编译等大坑,后来才发现以上都不需要,只需要下载安装a...
  • conda 安装CUDA 和cudnn

    千次阅读 2021-02-16 22:13:37
    想用tensorflow的GPU版本,安装后 如果出现“W tensorflow/stream_executor/...这个Warnning说明有可能没有安装CUDA。需要到下面这几个网址,看看自己的机器中显卡驱动和tensorflow版本来确定自己应该下载什么版本的

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 83,750
精华内容 33,500
关键字:

安装cuda

友情链接: torsniff-master.zip