精华内容
下载资源
问答
  • Ubuntu安装和卸载CUDA和CUDNN

    万次阅读 多人点赞 2018-06-14 12:08:15
    最近学习PaddlePaddle各个显卡驱动版本的安装和使用,所以同时也学习如何在Ubuntu安装和卸载CUDA和CUDNN,学习过程中,顺便记录学习过程。供大家学习的同时,也加强自己的记忆。 卸载CUDA 为什么一...

    原文博客:Doi技术团队
    链接地址:https://blog.doiduoyi.com/authors/1584446358138
    初心:记录优秀的Doi技术团队学习经历

    目录

    前言

    最近在学习PaddlePaddle在各个显卡驱动版本的安装和使用,所以同时也学习如何在Ubuntu安装和卸载CUDA和CUDNN,在学习过程中,顺便记录学习过程。在供大家学习的同时,也在加强自己的记忆。本文章以卸载CUDA 8.0 和 CUDNN 7.05 为例,以安装CUDA 10.0 和 CUDNN 7.4.2 为例。

    安装显卡驱动

    禁用nouveau驱动

    sudo vim /etc/modprobe.d/blacklist.conf
    

    在文本最后添加:

    blacklist nouveau
    options nouveau modeset=0
    

    然后执行:

    sudo update-initramfs -u
    

    重启后,执行以下命令,如果没有屏幕输出,说明禁用nouveau成功:

    lsmod | grep nouveau
    

    下载驱动

    官网下载地址:https://www.nvidia.cn/Download/index.aspx?lang=cn ,根据自己显卡的情况下载对应版本的显卡驱动,比如笔者的显卡是RTX2070:
    在这里插入图片描述

    下载完成之后会得到一个安装包,不同版本文件名可能不一样:

    NVIDIA-Linux-x86_64-410.93.run
    

    卸载旧驱动

    以下操作都需要在命令界面操作,执行以下快捷键进入命令界面,并登录:

    Ctrl-Alt+F1
    

    执行以下命令禁用X-Window服务,否则无法安装显卡驱动:

    sudo service lightdm stop
    

    执行以下三条命令卸载原有显卡驱动:

    sudo apt-get remove --purge nvidia*
    sudo chmod +x NVIDIA-Linux-x86_64-410.93.run
    sudo ./NVIDIA-Linux-x86_64-410.93.run --uninstall
    

    安装新驱动

    直接执行驱动文件即可安装新驱动,一直默认即可:

    sudo ./NVIDIA-Linux-x86_64-410.93.run
    

    执行以下命令启动X-Window服务

    sudo service lightdm start
    

    最后执行重启命令,重启系统即可:

    reboot
    

    注意: 如果系统重启之后出现重复登录的情况,多数情况下都是安装了错误版本的显卡驱动。需要下载对应本身机器安装的显卡版本。

    卸载CUDA

    为什么一开始我就要卸载CUDA呢,这是因为笔者是换了显卡RTX2070,原本就安装了CUDA 8.0 和 CUDNN 7.0.5不能够正常使用,笔者需要安装CUDA 10.0 和 CUDNN 7.4.2,所以要先卸载原来的CUDA。注意以下的命令都是在root用户下操作的。

    卸载CUDA很简单,一条命令就可以了,主要执行的是CUDA自带的卸载脚本,读者要根据自己的cuda版本找到卸载脚本:

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

    卸载之后,还有一些残留的文件夹,之前安装的是CUDA 8.0。可以一并删除:

    sudo rm -rf /usr/local/cuda-8.0/
    

    这样就算卸载完了CUDA。

    安装CUDA

    安装的CUDA和CUDNN版本:

    • CUDA 10.0
    • CUDNN 7.4.2

    接下来的安装步骤都是在root用户下操作的。

    下载和安装CUDA

    我们可以在官网:CUDA10下载页面
    下载符合自己系统版本的CUDA。页面如下:
    在这里插入图片描述

    下载完成之后,给文件赋予执行权限:

    chmod +x cuda_10.0.130_410.48_linux.run
    

    执行安装包,开始安装:

    ./cuda_10.0.130_410.48_linux.run
    

    开始安装之后,需要阅读说明,可以使用Ctrl + C直接阅读完成,或者使用空格键慢慢阅读。然后进行配置,我这里说明一下:

    (是否同意条款,必须同意才能继续安装)
    accept/decline/quit: accept
    
    (这里不要安装驱动,因为已经安装最新的驱动了,否则可能会安装旧版本的显卡驱动,导致重复登录的情况)
    Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
    (y)es/(n)o/(q)uit: n
    
    Install the CUDA 10.0 Toolkit?(是否安装CUDA 10 ,这里必须要安装)
    (y)es/(n)o/(q)uit: y
    
    Enter Toolkit Location(安装路径,使用默认,直接回车就行)
     [ default is /usr/local/cuda-10.0 ]:  
    
    Do you want to install a symbolic link at /usr/local/cuda?(同意创建软链接)
    (y)es/(n)o/(q)uit: y
    
    Install the CUDA 10.0 Samples?(不用安装测试,本身就有了)
    (y)es/(n)o/(q)uit: n
    
    Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...(开始安装)
    

    安装完成之后,可以配置他们的环境变量,在vim ~/.bashrc的最后加上以下配置信息:

    export CUDA_HOME=/usr/local/cuda-10.0
    export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
    export PATH=${CUDA_HOME}/bin:${PATH}
    

    最后使用命令source ~/.bashrc使它生效。

    可以使用命令nvcc -V查看安装的版本信息:

    test@test:~$ nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2018 NVIDIA Corporation
    Built on Sat_Aug_25_21:08:01_CDT_2018
    Cuda compilation tools, release 10.0, V10.0.130
    

    测试安装是否成功

    执行以下几条命令:

    cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
    make
    ./deviceQuery
    

    正常情况下输出:

    ./deviceQuery Starting...
    
     CUDA Device Query (Runtime API) version (CUDART static linking)
    
    Detected 1 CUDA Capable device(s)
    
    Device 0: "GeForce RTX 2070"
      CUDA Driver Version / Runtime Version          10.0 / 10.0
      CUDA Capability Major/Minor version number:    7.5
      Total amount of global memory:                 7950 MBytes (8335982592 bytes)
      (36) Multiprocessors, ( 64) CUDA Cores/MP:     2304 CUDA Cores
      GPU Max Clock rate:                            1620 MHz (1.62 GHz)
      Memory Clock rate:                             7001 Mhz
      Memory Bus Width:                              256-bit
      L2 Cache Size:                                 4194304 bytes
      Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
      Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
      Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 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:  1024
      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 3 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 supports Compute Preemption:            Yes
      Supports Cooperative Kernel Launch:            Yes
      Supports MultiDevice Co-op Kernel Launch:      Yes
      Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
      Compute Mode:
         < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
    
    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 10.0, NumDevs = 1
    Result = PASS
    

    下载和安装CUDNN

    进入到CUDNN的下载官网:https://developer.nvidia.com/rdp/cudnn-download ,然点击Download开始选择下载版本,当然在下载之前还有登录,选择版本界面如下,我们选择cuDNN Library for Linux
    在这里插入图片描述

    下载之后是一个压缩包,如下:

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

    然后对它进行解压,命令如下:

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

    解压之后可以得到以下文件:

    cuda/include/cudnn.h
    cuda/NVIDIA_SLA_cuDNN_Support.txt
    cuda/lib64/libcudnn.so
    cuda/lib64/libcudnn.so.7
    cuda/lib64/libcudnn.so.7.4.2
    cuda/lib64/libcudnn_static.a
    

    使用以下两条命令复制这些文件到CUDA目录下:

    cp cuda/lib64/* /usr/local/cuda-10.0/lib64/
    cp cuda/include/* /usr/local/cuda-10.0/include/
    

    拷贝完成之后,可以使用以下命令查看CUDNN的版本信息:

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

    测试安装结果

    到这里就已经完成了CUDA 10 和 CUDNN 7.4.2 的安装。可以安装对应的Pytorch的GPU版本测试是否可以正常使用了。安装如下:

    pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-linux_x86_64.whl
    pip3 install torchvision
    

    然后使用以下的程序测试安装情况:

    import torch
    import torch.nn as nn
    import torch.nn.functional as F
    import torch.optim as optim
    import torch.backends.cudnn as cudnn
    from torchvision import datasets, transforms
    
    
    class Net(nn.Module):
        def __init__(self):
            super(Net, self).__init__()
            self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
            self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
            self.conv2_drop = nn.Dropout2d()
            self.fc1 = nn.Linear(320, 50)
            self.fc2 = nn.Linear(50, 10)
    
        def forward(self, x):
            x = F.relu(F.max_pool2d(self.conv1(x), 2))
            x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
            x = x.view(-1, 320)
            x = F.relu(self.fc1(x))
            x = F.dropout(x, training=self.training)
            x = self.fc2(x)
            return F.log_softmax(x, dim=1)
    
    
    def train(model, device, train_loader, optimizer, epoch):
        model.train()
        for batch_idx, (data, target) in enumerate(train_loader):
            data, target = data.to(device), target.to(device)
            optimizer.zero_grad()
            output = model(data)
            loss = F.nll_loss(output, target)
            loss.backward()
            optimizer.step()
            if batch_idx % 10 == 0:
                print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
                    epoch, batch_idx * len(data), len(train_loader.dataset),
                           100. * batch_idx / len(train_loader), loss.item()))
    
    def main():
        cudnn.benchmark = True
        torch.manual_seed(1)
        device = torch.device("cuda")
        kwargs = {'num_workers': 1, 'pin_memory': True}
        train_loader = torch.utils.data.DataLoader(
            datasets.MNIST('../data', train=True, download=True,
                           transform=transforms.Compose([
                               transforms.ToTensor(),
                               transforms.Normalize((0.1307,), (0.3081,))
                           ])),
            batch_size=64, shuffle=True, **kwargs)
    
        model = Net().to(device)
        optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)
    
        for epoch in range(1, 11):
            train(model, device, train_loader, optimizer, epoch)
    
    
    if __name__ == '__main__':
        main()
    
    

    如果正常输出一下以下信息,证明已经安装成了:

    Train Epoch: 1 [0/60000 (0%)]	Loss: 2.365850
    Train Epoch: 1 [640/60000 (1%)]	Loss: 2.305295
    Train Epoch: 1 [1280/60000 (2%)]	Loss: 2.301407
    Train Epoch: 1 [1920/60000 (3%)]	Loss: 2.316538
    Train Epoch: 1 [2560/60000 (4%)]	Loss: 2.255809
    Train Epoch: 1 [3200/60000 (5%)]	Loss: 2.224511
    Train Epoch: 1 [3840/60000 (6%)]	Loss: 2.216569
    Train Epoch: 1 [4480/60000 (7%)]	Loss: 2.181396
    

    参考资料

    1. https://developer.nvidia.com
    2. https://www.cnblogs.com/luofeel/p/8654964.html
      ]
    展开全文
  • 在Ubuntu上如何卸载nginx

    千次阅读 2019-05-31 19:53:23
    1、Ubuntu下安装Nginx ...2、在Ubuntu卸载nginx # 删除除了配置文件以外的所有文件。 sudo apt-get remove nginx nginx-common # 删除所有与nginx有关的东西,包括配置文件。 sudo apt-get purge nginx nginx-c...

    1、Ubuntu下安装Nginx

    sudo apt-get update
    sudo apt-get install nginx
    

    2、在Ubuntu上卸载nginx

    # 删除除了配置文件以外的所有文件。
    sudo apt-get remove nginx nginx-common
    # 删除所有与nginx有关的东西,包括配置文件。 
    sudo apt-get purge nginx nginx-common 
    # 在上面命令结束后执行,主要是删除与Nginx有关的且不再被使用的依赖包。
    sudo apt-get autoremove 
    # 删除两个主要的包。
    sudo apt-get remove nginx-full nginx-common 
    
    

    3、验证是否成功卸载nginx

    #重启nginx,重启失败,说明已成功卸载nginx
    sudo service nginx restart  
    

    谢谢阅读!

    展开全文
  • Ubuntu下安装卸载IDEA

    万次阅读 2017-12-16 11:18:56
    Ubuntu下安装卸载IDEA

    本篇内容为大家提供的是IntelliJ IDEA 使用教程中的Ubuntu 系统下安装 IntelliJ IDEA,IntelliJ IDEA是java语言开发的集成环境,IntelliJ在业界被公认为最好的java开发工具之一,尤其在智能代码助手、代码自动提示、重构、J2EE支持、Ant、JUnit、CVS整合、代码审查、 创新的GUI设计等方面的功能可以说是超常的。 。感兴趣的同学可以参考学习下,具体内容如下:

    系统要求

    重要说明

    我这里以 Ubuntu 系统为例进行讲解。但是,在学习下面内容之前请先看下章节:Windows 下安装

    因为它们配置流程是基本一样的,只是系统不同,开始的步骤不太一样而已,因此相同部分我这里是不会再讲的,我只讲 IntelliJ IDEA 在 Linux 安装特殊的地方。

    Ubuntu 下安装过程

    先把你下载到的 ideaIU-14.1.4.tar.gz 移动到你平时存放软件的目录下,然后进行解压,我电脑是放在 /opt 下。

    • 终端下解压命令:tar xfz ideaIU-14.1.4.tar.gz,解压出来的目录名称是:idea-IU-141.1532.4
    • 可能在解压过程中你需要 sudo 命令权限,或者是切换到 root 账号下。如果你是切换到 root 用户下就一定要注意,解压完记得再切回来你常用的账户,不然等下生成的 IntelliJ IDEA 配置文件是放在 /home/root 下,这样就跟你常用的那个用户没啥关系了。

    • 在假设你已经通过终端切换到了你常用的用户下之后,现在用终端进入解压目录下的 bin 子目录 下,然后在终端下运行启动命令:./idea.sh,运行的效果如上图箭头所示。剩下的配置步骤就跟 Windows 基本一样了,如标注 1 所示,所以这里不多讲。

    • 其中,在整个首次启动的配置过程中,唯一跟 Windows 不太一样的就是上图标注 1 这个地方。原因是 Linux 下创建启动图标是非常非常非常的麻烦,所以 IntelliJ IDEA 帮我们考虑到了,所以只要勾选下即可解决这种麻烦事。

    • 创建完启动图标之后,我们可以在如上图标注 1 所示的 Dash 这个地方找到 IntelliJ IDEA 图标。但是图标我们一般是放在启动栏上的,所以这里你可以按着箭头的方向拖动 IntelliJ IDEA 图标到启动栏上即可。

    • 启动的最后效果如上图,是不是有点过于简单了?!

    卸载

    Linux 的卸载是不需要执行程序的,只需要:删除对应目录。

    • 删除主程序目录,也就是我们本文上面讲的解压出来的 idea-IU-141.1532.4
    • 如果不想保留你的配置文件,还可以删除配置目录,目录所在位置:./home/你用登录名/.IntelliJIdea14
    展开全文
  • Qt在Ubuntu中的卸载

    2020-12-02 20:16:02
    Qt的卸载其实很简单,只需要找到安装目录下的MaintenanceTool,执行即可。

    Qt的卸载其实很简单,只需要找到安装目录下的MaintenanceTool,执行即可。

     

     

     

    展开全文
  • Ubuntu中完全卸载Nginx

    千次阅读 2014-07-04 17:18:25
    Ubuntu中完全卸载Nginx
  • ubuntu
  • 主要介绍了Ubuntu安装和卸载CUDA和CUDNN的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 82,930
精华内容 33,172
关键字:

在ubuntu里可以卸载ubuntu