精华内容
下载资源
问答
  • 解决Nvidia安装程序失败

    万次阅读 多人点赞 2018-04-11 15:28:52
    一、先尝试下最新版本,如果不行,再逐次尝试安装低版本的!总有一个版本适合我们的电脑! 注:如果做人工智能开发的,不要用cuda7.5版本以下的...官网上写明了tensorflow最低支持“The CUDA builds require CUDA 8...

    前排强烈的温馨提示(求必看)

    这是windows系统下的解决办法汇总....

    一、检查你的系统是不是最新版本的,先升级更新!!!!!!!(信我)

    我之前的win10系统就因为各种各样的问题,少了某个部件(好像叫netxx框架),然后更新了以后就下载成功了。

    因为安装失败去私信我的人,有三个都是这种情况,更新一下系统就好了!!!!!
     

    对于因为安装Cuda显示Nvidia安装失败的同学!!!

    一、先尝试下最新版本的CUDA,如果不行,再逐次尝试安装低版本的!总有一个版本适合我们的电脑!(亲测有效)

    注:如果做人工智能开发的,不要用cuda7.5版本以下的...官网上写明了tensorflow最低支持“The CUDA builds require CUDA 8 and   CUDNN 6. ”

    群友给我的反馈是:如果某个版本安装不上,但是换另一个版本就可以,有的人(我也)甚至换了三四个版本。很迷,但有效

    二、如果还是不行,建议直接上虚拟机。

     

     


    三、非要头铁安装某个失败版本 ↓↓↓↓(不推荐)

    虽然我是经历了下面的步骤才头铁安装上失败版本的,但是讲真的,感觉有的步骤没必要....(不知道为啥有的人说有用啊...)

     

     


    从昨天晚上到今天上午一直在解决这个问题,网上说的各种方法都试过了!最后摸索、整理出了解决方法:

    1、先去官网找到 CUDA-Enabled GeForce Products,看看自己的gpu型号支不支持cuda!(大部分都支持的吧)

    2、打开设备管理器->显示适配器,查看是否有安装驱动!注意这里应该有两个驱动,比如我的第一个是我的intel核芯显卡驱动,第二个才是我们真的要用到的gpu驱动!

    • 如果没有安装驱动,建议去官网下载驱动,去下载和自己gpu匹配的驱动!(一定要下载和自己gpu型号匹配的驱动,有个小憨憨gpu是gtx1650的,他把驱动下成2020的了...)
    • 电脑小白可以下载驱动精灵(或者其他自动检测、安装驱动的软件),让驱动精灵自行帮忙安装。

    3、根据电脑系统去官网下载Cuda对应的安装包

    注意locate,network 选项那里选择locate下载,速度比较快,不过也不碍事,下载下载就成

    4、把盘空间预留出10G的位置。虽然实际上安装提示要3G的空间,但是Nvidia却老叫我多留1G位置出来 (我某盘还剩5G的时候)。所以我怀疑,会不会是因为它估算容量有错误,所以导致了我老是因为部分文件安装失败,导致"Nvidia安装程序失败"。

    5、右键”此电脑“,点击”管理“。

    右键启动/左上角启动服务:Device Install Service、Device Setup Manager、Windows Installer然后再开始安装。

    前5步就能避开某些坑,完成了这5步其实就能再次尝试一下安装cuda了。

    但是作为一个从昨晚搞到今天的差点崩溃人深知事情没那么简单....


    6、还是安装失败?很好!这是我结合网友的解决方法——

    再次打开设备管理器!右键卸载驱动!注意是卸载我们目标gpu型号的驱动,不要把核心显卡的驱动卸载了,会黑屏的........

    7、把cuda安装的东西彻彻底底删个干净,去查看C:\目录下有没有驱动文件夹NVIDIA,

        去看C:\Program Files目录下有没有文件夹NVIDIA Corporation、NVIDIA GPU Computing   Toolkit

         有的话!删!但是cuda安装包留着。

    8、重新安装gpu驱动!(我是通过驱动精灵自动检索安装的) 

    9、重新执行第四步、第五步。

    10、再次尝试下载。

    最后测试:如果真的安装好了,就可以通过nvidia命令查看当前gpu设备了

    展开全文
  • Updates,先更换aliyun源,然后在Additional Drivers中安装nvidia驱动,选择第一个(proprietary,tested)进行安装。 3.cuda安装 下载cuda10.0,选择runfile(local)这个文件下载,见链接...

    1.ubuntu18.04安装

    用刻好的U盘启动盘安装ubuntu18,04,按照推荐步骤一步一步走。

    2.nvidia安装

    找到Software&Updates,先更换aliyun源,然后在Additional Drivers中安装nvidia驱动,选择第一个(proprietary,tested)进行安装。

    3.cuda安装

    下载cuda10.0,选择runfile(local)这个文件下载,见链接https://developer.nvidia.com/cuda-10.0-download-archive

    然后命令行执行如下操作:

    chmod +x cuda_10.2.89_440.33.01_linux.run
     
    sudo ./cuda_10.2.89_440.33.01_linux.run


    安装过程中:

    同意协议(accept),不安装driver(no),选择安装cuda时个人用户的目录,如/home/yourname/cuda-10.0,下一个选项(no),然后可以选择cudasamples的安装目录。其他直接回车即可。

    3.cudnn7.6.5安装

    下载cudnn7.6.5,选择cuDNN Library for Linux

    下载的文件名:cudnn-10.0-linux-x64-v7.6.5.32.solitairetheme8

    安装命令:

    tar -xzvf cudnn-10.0-linux-x64-v7.6.5.32.solitairetheme8


    复制相关文件到cuda安装目录下(我的cuda安装目录为/home/username/cuda-10.0/)

    cp cuda/include/cudnn.h /home/username/cuda-10.0/include
    cp cuda/lib64/libcudnn* /home/username/cuda-10.0/lib64
    chmod a+r /home/username/cuda-10.0/include/cudnn.h /home/username/cuda-10.0/lib64/libcudnn*


    3.配置个人环境

    更改~/.bashrc的路径。

    sudo gedit ~/.bashrc
     
    export PATH=/home/usename/cuda-10.0/bin:$PATH
    export LD_LIBRARY_PATH=/home/usename/cuda-10.0/lib64:$LD_LIBRARY_PATH
     
    source ~/.bashrc



    4.检查安装版本

    查看cuda版本:

    nvidia-smi
     
    nvcc -V


     

    cat /home/username/cuda-10.0/version.txt

    查看cudnn版本:

    cat /home/username/cuda-10.0/include/cudnn.h | grep CUDNN_MAJOR -A 2

    参考链接:

    https://blog.csdn.net/Jean001100/article/details/106016806

    https://blog.csdn.net/askmaggie/article/details/102838961

    展开全文
  • NVIDIA DIGITS 安装

    千次阅读 2017-11-11 16:42:18
    NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0环境配置引言DIGITS简介DIGITS特性资源信息说明DIGITS安装软硬件环境硬件环境软件环境操作系统安装DIGITS安装前准备安装CUDA70deb方式显卡...

    NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0环境配置



    引言

    DIGITS简介

    DIGITS: Deep Learning GPU Training System1,是由英伟达NVIDIA)公司开发的第一个交互式深度学习GPU训练系统。目的在于整合现有的Deep Learning开发工具,实现深度神经网络(Deep Neural Network,DNN)设计、训练和可视化等任务变得简单化。DIGITS是基于浏览器的接口,因而通过实时的网络行为的可视化,可以快速设计最优的DNN。DIGITS是开源软件,可在GitHub上找到,因而开发人员可以扩展和自定义DIGITS。

    DIGITS控制台

    DIGITS特性

    • 提供了友好的用户界面,只需简单的点击即完成DNNs的训练。DIGITS是一个Web应用,用浏览器访问,上图是典型的工作流程图。

    • DIGITS用户接口提供了DNN优化工具。主控制台列出了现有的数据库和机器上可用的先前训练好的网络模型以及正在进行的训练活动。

    • DIGITS使可视化网络和快速对比精度变得简单。你选择一个模型,DIGITS显示训练状态和精度,并提供在网络训练时或训练完毕后加载和分类图像的选项。

    • 由于DIGITS运行在一个web服务器上,团队用户可以很方便地分享数据库和网络配置,以及测试和分享结果。

    • DIGITS集成了流行的Caffe deep learning framework,并支持使用cuDNN进行GPU加速。

    资源信息

    1. 在百度里搜索:NVIDIA DIGITS
    2. 软件首页(DIGITS):https://developer.nvidia.com/digits
    3. 硬件平台(英伟达搭建的环境,NVIDIA® DIGITS™ DevBox): 
      https://developer.nvidia.com/devbox
    4. 相关文档: 
      http://docs.nvidia.com/deeplearning/index.html#axzz3juAVWoDb

    登陆软件首页,注册后下载DIGITS(注意到注册邮箱里点击激活链接),也可以下载源码(基于Python)安装。

    参考资料

    1. DIGITS 2支持多GPU自动扩展 实现深度学习性能倍增,原文链接:Easy Multi-GPU Deep Learning with DIGITS 2

    2. EC2上的深度学习:CUDA 7/cuDNN/caffe/DIGITS实战教程,原文链接:GPU Powered DeepLearning with NVIDIA DIGITS on EC2

    说明

    1. 如官方所述,DIGITS现在仅支持Ubuntu,当然也在其它Linux系统上测试成功,未见有在Windows上配置的案例;
    2. DIGITS尝试囊括更多的开源Deep Learning 框架,当前(digits-2.0)仅包括:CaffeTorchTheano, and BIDMach.

    DIGITS安装

    安装指导,官网说DIGITS的安装相当方便:1)访问digits home page注册并下载安装器安装;或者2)从GitHub上获取源代码安装。实际上,对于新手来说并非如此,下面介绍采用源码的安装方式。

    说明1:本人将采用源码安装的软件的安装根目录为:/home/liu/sfw,即~/sfw,本文中记为yourpath。这样Caffe的安装路径:/home/liu/sfw/caffe,DIGITS的安装路径:/home/liu/sfw/digits;而CUDA默认安装根目录为/usr/local

    说明2:每个软件的安装方法可以查看官网的在线帮助,也可以查看源码中的文档。对于后者,多为“.md”即markdown文件,可以安装ReText查看,如下图为预览的Caffe的“installation.md”文件。 
    使用ReText查看installation.md

    软硬件环境

    硬件环境

    笔记本× 1、CPU(Intel® Core™ i5-3210M CPU @ 2.50GHz × 4 )× 1、GPU(GeForce GT 635M/PCIe/SSE2 + IntelGMAHD3000)× 1。

    软件环境

    环境简介及下载链接:

    1. 操作系统Ubuntu 14.04 LTS 64 bitubuntu-14.04.3-desktop-amd64.iso
    2. CUDACUDA-7.0(cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb),支持CUDA的GPU
    3. cuDNNcuDNN-7.0(cudnn-7.0-linux-x64-v3.0-rc.tgz)
    4. CaffeCaffe-0.13.0caffe-master.zip,必须是NVIDIA’s fork,原因点此
    5. DIGITSDIGITS-2.0(源码安装,DIGITS-master.zip

    操作系统安装

    具体安装方法参见:U盘系统盘制作与系统安装(详细图解)

    DIGITS安装前准备

    采用源码安装DIGITS前,事先要安装CUDA(必须)、cuDNN(用于GPU加速,建议安装),Caffe(运行DIGITS至少要有一个Deep Learning framework,也可以安装Theano,这里不介绍)。

    安装CUDA7.0(“.deb”方式)

    CUDA-7.0在Linux下的安装步骤参见官网手册:CUDA_Getting_Started_Linux,其中提及了“.run”、“.deb”等安装文件的安装方法,本人选择”deb”包的格式,因为它比较简单。

    0.检查你的电脑是否支持CUDA: 
    检查GPU是否支持:输入如下命令,如果输出的GPU型号是NVIDIA的,并且在此http://developer.nvidia.com/cuda-gpus列表内,则支持。

    lspci | grep -i nvidia
     
    • 1

    1.下载安装文件:可以直接访问上面给出的官网链接下载,也可以在终端窗口输入如下命令下载。

    # downloading the (currently) most recent version of CUDA 7
    sudo wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_7.0.28_amd64.deb
     
    • 1
    • 2

    2.安装依赖工具:需要连网。

    # installation of required tools
    sudo apt-get install -y gcc g++ gfortran build-essential \
      git wget linux-image-generic libopenblas-dev python-dev \
      python-pip python-nose python-numpy python-scipy
     
    • 1
    • 2
    • 3
    • 4

    3.安装CUDA

    # installing CUDA
    sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb
    
    sudo apt-get update
    sudo apt-get install cuda
     
    • 1
    • 2
    • 3
    • 4
    • 5

    4.设置环境变量

    注意:此环境变量为64位系统下的,32位的把lib64改成lib即可。

    方式1,仅修改用户变量

    # setting the environment variables so CUDA will be found
    
    echo "\nexport PATH=/usr/local/cuda-7.0/bin:$PATH" >> ~/.bashrc
    echo "\nexport LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc
     
    • 1
    • 2
    • 3
    • 4

    方式2,修改所有用户变量 
    先使用sudo gedit /etc/profile打开“profile”文件,或者sudo gedit ~/.bashrc打开“./bashrc”文件,然后在打开的文件的末尾添加如下代码并保存

    # setting the environment variables so CUDA will be found
    # After open profile, Add follow code at the end of file
    export PATH=/usr/local/cuda-7.0/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH
     
    • 1
    • 2
    • 3
    • 4

    5.加载新的环境变量:添加好环境变量后,需要加载新的环境变量,才能应用于系统。

    加载更新环境变量source ~/.bashrc(方式1),source /etc/profilesource ~/.bashrc(方式2)。

    =====重启系统!重启系统!重启系统!=======

    sudo reboot
     
    • 1

    6.安装samples并检查CPU:samples被默认安装在/home/liu下:

    # installing the samples and checking the GPU
    
    cuda-install-samples-7.0.sh ~/
    cd NVIDIA_CUDA-7.0_Samples/1_Utilities/deviceQuery
    make  
    ./deviceQuery
     
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    执行完./deviceQuery命令,终端输出如下类似信息,有GPU型号、驱动版本和运行版本、计算能力……诸多信息: 
    GPU设备信息

    至此CUDA安装成功。

    显卡切换

    如果你用的是具有双显卡的PC机,比如本人的Intel集成显卡+NVIDIA的独立显卡,可以使用nvidia-prime来切换使用哪个显卡。双击/usr/share/applications/NVIDIA X Server Settings启动NVIDIA X Server 设置,如下图,但不像网上说的有nvidia-prime那一项: 
    NVIDIA X Server Settings

    于是自己安装NVIDIA-prime指示器,命令如下:

    sudo add-apt-repository ppa:nilarimogard/webupd8
    sudo apt-get update
    sudo apt-get install prime-indicator
    sudo reboot
     
    • 1
    • 2
    • 3
    • 4

    重启系统后,在右上方托盘区可见NVIDIA或Intel的图标,点击即可切换。

    安装cuDNN7.0

    cuDNN的安装很简单:

    1.解压:进入“cudnn-7.0-linux-x64-v3.0-rc.tgz”所在目录,将文件解压,如下:

    #注意修改成你的目录
    cd /home/liu/sfw
    #解压
    gzip -d cudnn-7.0-linux-x64-v3.0-rc.tgz
    tar xf cudnn-7.0-linux-x64-v3.0-rc.tar
     
    • 1
    • 2
    • 3
    • 4
    • 5

    2.copy文件至CUDA安装目录:解压后,在你的目录下生成一个“cuda”文件夹,对于cuDNN6.5的版本解压后生成“cudnn-6.5-linux-x64-v2”文件。使用如下命令copy,注意第二个有个-a参数,否则,拷贝过去的文件失去了链接。

    # copy the library files into CUDA's include and lib folders
    sudo cp cuda/include/cudnn.h /usr/local/cuda/include
    sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64
     
    • 1
    • 2
    • 3

    cuDNN安装完成。

    安装Caffe-0.13.0

    官网的安装方法:http://caffe.berkeleyvision.org/installation.html

    下载好Caffe-0.13.0后,解压文件caffe-master.zip生成“caffe-master”文件夹,并将其重命名为“caffe”,放在yourpath根目录下下,如:/home/liu/sfw

    1.首先安装一些依赖库:CUDA(已安装)、BLAS 、Boost、OpenCV等等,见官网的安装方法:http://caffe.berkeleyvision.org/installation.html,或自述文件(installation.md)。

    sudo apt-get install libprotobuf-dev libleveldb-dev \
      libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev \
      libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler \
      libatlas-base-dev
     
    • 1
    • 2
    • 3
    • 4

    2.安装其它的依赖库:查看“requirements.txt”文件,请注意将下面的路径替换为你的路径。

    cd ~/sfw/caffe/python
    for req in $(cat requirements.txt); do sudo pip install $req; done
     
    • 1
    • 2

    2.修改配置文件并编译:终端进入“caffe”文件夹,复制一份Makefile.config文件,然后修改Makefile.config文件,如不使用GPU,可以去掉#GPU_ONLY=1的注释符:#,请根据需要自行修改,这里采用默认值,不做修改。然后进行编译:

    cd ~/sfw/caffe
    cp Makefile.config.example Makefile.config
    
    # for a faster build, compile in parallel by doing make all -j8 where 8 is the number of parallel threads for compilation (a good choice for the number of threads is the number of cores in your machine).
    
    make all
    make py
    make test
    make runtest
     
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    编译时间比较漫长,可以使用多线程,需要知道你的电脑的线程数,下面这样会快好多:

    make all -j4  
    make py -j4
    make test -j4  
    make runtest -j4
     
    • 1
    • 2
    • 3
    • 4

    编译中没有错误提示,说明正确。

    3.添加环境变量:方法同CUDA(安装CUDA7.0(“.deb”方式)),只是环境变量名称及路径需要变化,如:

    # Add environment
    echo -e "\nexport CAFFE_HOME=/home/liu/sfw/caffe" >> ~/.bashrc
    # load the new environmental variables
    source ~/.bashrc
     
    • 1
    • 2
    • 3
    • 4

    或者:

    # Add environment
    sudo gedit /etc/profile
    
    # After open profile, Add follow code at the end
    
    # Set Caffe environment
    export CAFFE_HOME="/home/liu/sfw/caffe"
    # load the new environmental variables
    source /etc/profile
     
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    这样caffe就安装好了!如果在make runtest时提示“Core dumped”,现象截图及解决办法见一个小问题(Caffe&cuDNN)

    安装DIGITS

    1.解压文件:终于可以安装DIGITS了,解压下载好的DIGITS-master.zip文件生成“DIGITS-master”文件夹,将其重命名为“digits”,并copy到你的目录yourpath,如/home/liu/sfw下面。

    2.安装DIGITS:命令如下,注意修改路径。

    cd /home/liu/sfw/digits
    sudo apt-get install graphviz gunicorn
    for req in $(cat requirements.txt); do sudo pip install $req; done
     
    • 1
    • 2
    • 3

    如果网络不好,或软件源服务关闭等等可能造成某些依赖库无法下载和安装,终端会有大片红色文字,请更改软件源确认网络连接正常,重新执行上述命令。

    启动DIGITS

    进入digits文件夹,给文件“./digits-devserver”赋予可执行权限,然后./digits-devserver运行digits:

    cd ~/sfw/digits
    chmod +x ./digits-devserver
    ./digits-devserver
     
    • 1
    • 2
    • 3

    第一次运行会提示输入caffe的安装路径: 
    输入caffe的安装路径

    运行时可能会提示启动失败:$ImportError: /usr/lib/liblapack.so.3: undefined symbol: ATL_chemv

    stackoverflow找到了原因及解决方法,命令如下:

    sudo apt-get remove libopenblas-base
     
    • 1

    然后在终端输入./digits-devserver,即可成功启动: 
    启动digits server

    久违的界面终于出来了: 
    digits server

    配置DIGITS

    上述步骤,是按默认配置启动digits,如果你想自定义配置,可以在启动前输入:

    Most values are set silently by default. If you need more control over your configuration, try one of these commands:
    # Set more options before starting the server
    ./digits-devserver --config
    # Advanced usage
    python -m digits.config.edit --verbose
     
    • 1
    • 2
    • 3
    • 4
    • 5

    使用DIGITS

    digits官方自带例子(MNIST)

    参见GettingStarted或源码包中的“GettingStarted.md”文件。

    下载MNIST数据集

    DIGITS提供了下载数据集MNISTCIFAR的工具,在/digits/tools/download_data目录下,包含如下文件: 
    数据集下载工具

    执行其中的main.py程序即可: 
    赋予执行权限
    下载数据集

    主要代码如下:

    #首次使用赋予执行权限
    chmod +x *.py
    #查看帮助
    ./main.py -h
    #创建一个目录用于存放MNIST数据集
    mkdir -p /home/liu/sfw/digits/data/mnist
    #下载数据集至上述目录
    ./main.py -c mnist ~/sfw/digits/data/mnist
     
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    执行后,可以在/digits/data/mnist目录下看到下载好的数据集,如下图: 
    下载的MNIST数据集

    在DIGITS server上创建数据集

    这里按照“GettingStarted.md”文件中所述,创建数据集为分类数据集:在digits server首页的DataSets区域点击Images,选择Classfication,在弹出的窗口填写训练数据集信息,这里为60000个样本(“GettingStarted.md”里的例子样本数为10k),信息见下图: 
    创建数据集

    数据集创建过程: 
    digits server正在创建数据集

    digits创建的数据集信息

    点击左上角的“DIGITS”返回查看创建好的MNIST train 60k数据集: 
    查看创建好的数据集

    在DIGITS server上创建深度网络模型并训练

    如上图,在Models区域点击Images,选择Classfication。在弹出的页面填写信息,数据集选择:MNIST train 60k,模型命名为:LeNet on MNIST 60k,如下图: 
    创建网络模型为LeNet

    点击蓝色按钮“Create”后,任务即开始执行!

    一个小问题(Caffe&cuDNN)

    原以为可以兴奋地看到结果,然而失望了,报出了错误:

    ERROR: Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0) CUDNN_STATUS_ARCH_MISMATCH
     
    • 1

    如下图: 
    出错啦

    其实,在安装Caffe时,当运行make runtest时就有个小问题,报出了“Check failure”,不过让我直接忽略了,没想到又回来了,哈哈。 
    Chek failure

    这是因为笔记本上的GT635M的计算能力CUDA Capability是2.1,而官方的cuDNN加速是不支持3.0以下的版本的,因此只能在Makefile.config中注释掉USE_CUDNN这行,重新执行以下编译2

    make clean  
    make all -j4  
    make test -j4  
    make runtest -j4
     
    • 1
    • 2
    • 3
    • 4

    :访问CUDA GPUs查看GPU的计算能力,在页面选择GPU的型号,如Geforce GT 635M,如下图: 
    GPU的计算能力信息

    编译完成后,删除之前建的LetNet on MNIST 60k任务,然后仿造上述步骤,重新新建一个任务,执行后,如下图: 
    运行界面

    运行过程,网络的训练状态,GPU的状态等信息会实时显示: 
    运行状态

    学习率与训练代数关系 
    学习率与训练代数关系图

    使用DIGITS server 进行分类操作(MNIST)

    训练结束后,可以对手写体数字图像进行分类,可以对单个图像分类,也可以同时分类多幅图像,这里以上述步骤中生成的“MNIST train 60k”数据集中的验证集为例。

    在“Upload Image List”区域点击选择文件按钮,选择验证集的 list文件val.txt: 
    选择val.txt

    选择好后,点击Classify Many Images按钮,即可对多幅图像分类,这时,界面上没有显示进度,在终端中显示,如下图: 
    分类进程

    对所选图像分类完成后,弹出分类结果页面: 
    分类结果

    可视化分类结果: 
    可视化分类结果

    结语

    本文记录了本人安装配置NVIDIA DIGITS步骤与方法,软件环境为Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0 + DIGITS 2.0。并以DIGITS自述文件中的例子为例,简单介绍了DIGITS的用法。

    可见,DIGITS的源码安装方式还是有一定难度,特别是对Linux不熟悉的使用者。DIGITS的使用很方便,只需进行简单的点击操作,即可完成数据集创建、网络模型创建、网络训练、网络训练状态的实时显示、用训练好的网络进行图像分类等任务,使得不熟悉深度学习的人员也可以在深度学习的大海中轻而易举地航行,这正式DIGITS的设计目的所在。

    DIGITS除了支持Caffe,还支持Theano,本文并未介绍Theano,不过会陆续补充,关于Theano的一些信息,也可以在本人的其它博客里找到。



    展开全文
  • NVIDIA驱动安装

    千次阅读 2019-03-28 18:19:01
    需要去英伟达官网下载适合自己电脑的版本(nvidia网页可以自己测出你的电脑所需要的型号) 首先Ctrl + Alt + F1进入字符界面 删除原有驱动版本 sudo apt-get purge nvidia* ...安装依赖 sudo apt-get ...

    需要去英伟达官网下载适合自己电脑的版本(nvidia网页可以自己测出你的电脑所需要的型号)
    首先Ctrl + Alt + F1进入字符界面

    删除原有驱动版本

    sudo apt-get purge nvidia*
    sudo apt-get autoremove
    sudo ./NIVIDIA-Linux-X86_64-384.59.run --uninstall
    

    安装依赖

    sudo apt-get install build-essential gcc-multilib dkms
    

    禁用nouveau驱动

    编辑 /etc/modprobe.d/blacklist-nouveau.conf文件,添加内容:

    blacklist nouveau
    blacklist lbm-nouveau
    options nouveau modeset=0
    alias nouveau off
    alias lbm-nouveau off
    

    关闭nouveau:

    echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
    

    重启

    sudo update-initramfs -u
    sudo reboot
    

    重启后,执行:

    lsmod | grep nouveau
    

    如果没有屏幕输出,说明禁用nouveau成功。

    获取kernel source

    sudo apt-get install linux-source
    sudo apt-get install linux-headers-x.x.x-x-generic
    

    其中x.x.x-x-generic可以替换为$(uname -r)

    关掉x graphic 服务

    sudo systemctl stop lightdm(or sudo service lightdm stop)
    sudo systemctl stop gdm
    sudo systemctl stop kdm
    

    登陆nvidia官网,可以得到适合自己电脑的驱动,下载下来

    安装NVIDIA驱动

    sudo chmod a+x NVIDIA*.run
    sudo ./NVIDIA-Linux-x86_64-384.59.run –no-x-check -no-nouveau-check -no-opengl-files
    

    –no-opengl-files:表示只安装驱动文件,不安装OpenGL文件。这个参数不可省略,否则会导致登陆界面死循环,英语一般称为”login loop”或者”stuck in login”。
    –no-x-check:表示安装驱动时不检查X服务,非必需。
    –no-nouveau-check:表示安装驱动时不检查nouveau,非必需。
    -Z, --disable-nouveau:禁用nouveau。此参数非必需,因为之前已经手动禁用了nouveau。
    -A:查看更多高级选项。

    安装过程中一些选项:
    The distribution-provided pre-install script failed! Are you sure you want to continue?
    选择 yes 继续。
    Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later?
    选择 No 继续。
    问题大概是:Nvidia’s 32-bit compatibility libraries?
    选择 No 继续。
    Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up.
    选择 Yes 继续

    挂载Nvidia驱动

    modprobe nvidia
    

    检查驱动是否安装成功

    nvidia-smi
    nvidia-settings #若弹出设置对话框,亦表示驱动安装成功
    

    返回图形界面

    最后退回图形界面:sudo init 5or Ctrl + Alt + F7 or sudo service lightdm restart

    重启电脑,通过nvidia-smi命令查看驱动信息,如果成功显示,那么驱动安装成功

    参考

    https://www.cnblogs.com/pprp/p/9430836.html
    https://blog.csdn.net/stories_untold/article/details/78521925
    https://blog.csdn.net/cosmoshua/article/details/76644029?tdsourcetag=s_pctim_aiomsg

    展开全文
  • Ubuntu 18.04 安装NVIDIA显卡驱动教程

    万次阅读 多人点赞 2018-08-09 22:09:11
    Ubuntu安装NVIDIA显卡驱动时遇到了一个比较大的问题,参考了几位博主的成果,成功安装好了驱动(只能说这独显没有浪费哈哈哈)。 下面就把整个过程记述下来,以供大家一起参考。 0. 准备工作 禁用BIOS中的secure ...
  • 后来一高手看了看,把UEFI的Secure Boot选项关闭了,结果能够登录界面了。感谢……    后来想了想,有两个总结: 应该注意提示信息,并进行尝试。大不了系统重装。 登录界面时,只加载了部分显卡驱动(甚至是...
  • 重新安装vs,打开新建项目发现没有nvidia这个选项。各种复制文件到这个那个文件夹,都没生效。后来看到说在安装cuda的时候已经关联了vs,然后重新安装cuda打开后NVIDIA出现(环境啥的之前都设置过了,不知道之前复制...
  • Ubuntu 16.04 Nvidia驱动安装

    万次阅读 多人点赞 2017-11-13 16:44:08
    安装好好多天的Nvidia驱动,在用 nvidia-smi 命令检查的时候,总是提示 NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed ...
  • NVIDIA安装驱动不成功的解决方式

    千次阅读 2019-11-18 09:56:05
    很多小朋友在重装或升级nvidia驱动时出现这样的错误,或是GeForce Experience安装不成功,如果排除了显示型号不对、系统没打补丁等原因,那么主要就是因为系统自动安装的驱动或是第三方安装的驱动赖在系统里,与你...
  • win10安装nvidia

    千次阅读 2020-02-05 17:42:42
    如果nvdia没有安装成功,在C盘的Program Files目录下就没有NVIDIA GPU Computing Toolkit文件夹 第一次安装,从昨晚一直安装到现在,一直提示安装失败 提示一堆组件未安装, 尝试了以下方法: 1.清除,更新驱动,...
  • 关于NVIDIA驱动安装一些注意事项

    千次阅读 2018-03-17 14:58:28
    其实做深度学习或者其他一些加速运算的时候,都会碰到一个问题,在Linux下安装NVIDIA的驱动,LZ非大神,对Linux的一些内核之类的问题处于小白阶段,但是经过反复的试验(不要问LZ是怎么试验的了,心疼自己的笔记本)...
  • 【GPU】NVIDIA驱动安装

    千次阅读 2019-07-18 17:08:35
    我在网上一共看到两种NVIDIA驱动的安装方法: ppa源安装,参考链接:最全面解析 Ubuntu 16.04 安装nvidia驱动 以及各种错误 手动run文件安装,参考链接:Ubuntu16.04安装Nvidia显卡驱动(cuda) 以run文件安装...
  • Ubuntu 16.04双系统安装以及nvidia驱动安装 电脑在装双系统的时候,出现很多问题,尤其是安装nvidia驱动的时候,试了网上很多方法都没有成功,尝试了很多次,有了以下总结: Ubuntu 16.04安装 U盘启动盘制作 我...
  • 解决Nvidia安装程序失败常见问题

    千次阅读 2021-01-06 16:05:55
    1.安装这个出现: “CUDA Setup Package:error” “Error during execution".\\setup.exe". 操作成功完成。” . 解决策略 ①下载一个软件 参考网址:https://blog.csdn.net/Zz0615/article/details/88761910 ...
  • 安装NVIDIA显卡驱动

    千次阅读 2019-08-28 12:50:18
    此方案用于在Ubuntu系统中安装NVIDIA显卡驱动
  • 如何去除右键中的nvidia选项

    千次阅读 2017-06-09 14:46:19
    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" ... 一、打开nvidia面板 1. 直接用右键中的nvidia控制面板 2. 打开控制面板,把右上角控制面板的查看方式改为“大图标”或者“小
  • NVIDIA驱动安装、CUDA安装、cudnn安装

    千次阅读 2019-09-28 00:42:30
    sudo vim /etc/modprobe.d/nvidia-installer-disable-nouveau.conf 或者 sudo vim /etc/modprobe.d/blacklist.conf 追加内容为: # generated by nvidia-installer blacklist nouveau ...
  • ubuntu 16.04 安装nvidia驱动 下载nvidia官方驱动1,nvidia官方驱动下载2,驱动安装 1,nvidia官方驱动下载 NVIDIA 驱动程序下载 2,驱动安装 ERROR: You appear to be running an X server; please exit X ...
  • win10 Nvidia CUDA 安装与再安装

    千次阅读 2019-08-04 16:56:41
    最近在配置 OpenPose 的时候需要安装 CUDA ,在这个过程遇到了一点坑,...若电脑已经安装 vs2017 和 NVIDIA 显卡驱动,需要先卸载 理论上需要先安装 vs2017 再安装 CUDA 进入win10安全模式 在 Cortana 搜索 “设置”...
  • 参考 https://www.cnblogs.com/billwong/p/10884076.html
  • Ubuntu安装Nvidia显卡驱动

    千次阅读 2017-12-05 11:26:56
    ubuntu安装Nvidia驱动
  • Linux Nvidia显卡驱动安装

    千次阅读 2020-10-17 03:11:20
    1 概述 因为某些需要需要在Linux上安装显卡驱动,这里记录一下安装...sudo chmod u+x NVIDIA-Linux-x86_64-455.28.run 4 准备工作 4.1 安装linux-header 安装之前先安装linux-header,首先获取内核版本号: uname -a
  • Ubuntu16/18安装NVIDIA驱动+CUDA10.2

    万次阅读 多人点赞 2017-08-03 18:55:23
    1. 先卸载原有n卡驱动#for the driver ...sudo apt-get remove --purge nvidia*#for the driver installed by runfile sudo chmod +x *.run sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall如果使用的是apt-
  • Ubuntu下NVIDIA驱动安装

    2020-10-26 17:38:01
    安装NVIDIA驱动 1) 在命令行界面输入: sudo service lightdm stop //这个是关闭图形界面,不执行会出错 2) 给驱动run文件赋予执行权限 sudo chmod a+x NVIDIA-Linux-x86_64-418.56.run //选择自己下载了的版本...
  • NVIDIA驱动安装!!

    2019-09-04 09:04:40
    ubuntu 16.04默认安装了第三方开源的驱动程序nouveau,安装nvidia显卡驱动首先需要禁用nouveau,不然会碰到冲突的问题,导致无法安装nvidia显卡驱动。 使用创建文件的方法: CD进入目的地文件夹:cd /etc/modprobe.d...
  • NVIDIA TX2安装qt5

    千次阅读 2018-05-17 17:16:20
    官方参考安装方式 https://www.jetsonhacks.com/2017/01/31/install-qt-creator-nvidia-jetson-tx1/如下:首先在终端输入命令sudo apt-get install qt5-default qtcreator -y然后等待qt5安装成功后需要设置编译器。...
  • 安装NVIDIA docker plugin

    2019-01-29 14:29:00
    GPU云主机集成CUDA & NVIDIA DOCKER镜像方案 一、预安装前置条件1、系统和...1、安装CUDA Toolkit2、设置cuda环境变量3、安装 docker-18.06.14、安装NVIDIA docker plugin三、 驱动环境检视1、 cuda驱动环境检视...
  • 安装NVIDIA docker plugin

    2019-01-29 14:29:00
    GPU云主机集成CUDA & NVIDIA DOCKER镜像方案 一、预安装前置条件1、系统和...1、安装CUDA Toolkit2、设置cuda环境变量3、安装 docker-18.06.14、安装NVIDIA docker plugin三、 驱动环境检视1、 cuda驱动环境检视...
  • ubuntu安装nvidia驱动

    2019-09-04 15:21:41
    最近给一个老笔记本安装docker,使用了ubuntu16.04加nvidia_docker,需要装载nvidia显卡驱动 最开始按照下面方法安装,下载的NVIDIA-Linux-x86_64-3xx.xx.run各种校验错误,唯一的一个没错的,也循环卡在登陆界面,...
  • Ubuntu19安装Nvidia显卡驱动

    千次阅读 2019-09-25 20:17:58
    Ubuntu19安装NVIDIA显卡驱动,只需要使用系统工具设置,一步到位! 我在网上看的需要禁用自带驱动的教程在我这里都不适用,还会导致开机黑屏,需要进tty卸载驱动。 具体步骤是: 打开命令行,输入 software-prope...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 16,980
精华内容 6,792
关键字:

nvidia安装选项