精华内容
下载资源
问答
  • CUDA(Compute Unified Device Architecture),是显卡厂商 NVIDIA 推出的运算平台。 0. 显卡以 GeForce Gtx 1050 不同型号为例,其...1. CUDA GPUS查看不同系列和类型的 GPU(显卡) 对 CUDA 的兼容和计算能力:CUDA GP

    CUDA(Compute Unified Device Architecture),是显卡厂商 NVIDIA 推出的运算平台。

    0. 配置

    1. 显卡

    以 GeForce Gtx 1050 不同型号为例,其性能清单基本如下:


    这里写图片描述

    重点关注的参数:

    • NVIDIA CUDA Cores,CUDA 核心数;

    2. CUDA GPUS

    查看不同系列和类型的 GPU(显卡) 对 CUDA 的兼容和计算能力:CUDA GPUs | NVIDIA Developer

    NVIDIA 旗下的显卡系列:

    • Tesla
    • Quadro
    • NVS
    • GeForce
    展开全文
  • 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blac...

    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 nouveau
    
    options 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.run
    
    sudo ./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/deviceQuery
    
       sudo 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、sampletookit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.txt
    
    cat /usr/local/cuda-9.0/include/cudnn.h | grep CUDNN_MAJOR -A 2
    
    nvcc -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)

     

    展开全文
  • Ubuntu18.04 安装 显卡驱动 Nvidia Driver CUDA CUDNN GPU 版本的Pytorch 2.1 为何选择PyTorch? Pytoch 由4个主要的包组成: torch: 类似于Numpy的通用数组库,可将张量类型转换为torch.cuda.TensorFloat,并在...

    Ubuntu18.04 安装 显卡驱动 Nvidia Driver CUDA CUDNN 与GPU 版本的Pytorch

    2.1 为何选择PyTorch?

    Pytoch 由4个主要的包组成:

    • torch: 类似于Numpy的通用数组库,可将张量类型转换为torch.cuda.TensorFloat,并在GPU上进行计算。
    • torch.autograd: 用于构建计算图形并自动获取梯度的包
    • torch.nn: 具有共享层和损失函数的神经网络库
    • torch.optim: 具有通用优化算法(如SGD、Adam等)的优化包。

    2.2 安装配置

    在安装过程中,使用的机器为4*GPU工作站,重点关注如何安装GPU版本的PyTorch。
    安装过程:

    1. 安装Python

    通过Anaconda进行安装,同时通过Anaconda进行python相关的包管理;

    2. 安装Nvidia Driver:

    建议通过.bash文件的形式进行安装,首先去Nvidia官网下载所需版本的驱动文件:

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

    在文件夹最末尾处添加命令

    blacklist nouveau
    options nouveau modeset=0
    
    • 更新内核
    sudo update-initramfs -u
    
    • 重启系统
    • 在登录界面按 Ctrl + Alt + F1(2/3/4/5/6),目的是进入命令行界面,登录后,查看:

    特别提醒:
    对于有些机器,禁用自带显卡驱动后,如果显示器插在GPU上的话,大概率重启后会一直黑屏了,解决方案:

    • 将显示器插到主板上的显示器端口上,然后断电重启;
    • 断电重启系统,开机过程按esc(按下的频率别太高了,不然直接进grub了,如果进入的话,reboot再重来就行)进入引导界面后,选第二项高级选项,然后进入后,选root模式,就可以进入命令行界面了,这时可以进行驱动程序的安装。
    lsmod | grep nouveau
    

    查看nouveau模块是否被加载,如果什么都没有输出,则执行下一步,不行的话重新操作前面三步

    • 命令到你下载的显卡驱动的路径
    cd /home/用户名
    

    对驱动文件赋权

    sudo chmod 755 Nvidia(驱动)
    
    • 关闭集显
    sudo service lightdm stop 
    
    • 安装驱动
    sudo bash Nvidia(驱动)(–no-opengl-files)
    

    注意:-no-opengl.files 如果添加的话,在调用Unity加速的时候可能会无法使用GPU加速,但是不加的话,有些机器开机会卡在循环登录界面,加上与不加均不会影响PyTorch的使用。
    -**Accept License(**接受协议)
    -Select Continue Installation(选择继续安装)
    -Select “NO” to not install 32bit files(选择NO不要安装32位文件)
    -Select “NO” to rebuilding any Xserver configurations with Nvidia.

    • 重启系统,
    reboot
    
    • 查看驱动是否安装成功
    nvidia-smi
    

    能够看到显卡型号以及使用情况说明显卡驱动安装成功。
    另外,在系统设置里面的详情里,如果安装显卡驱动成功的话,能够看到显卡型号。

    3 安装cuda

    详细的安装过程可以参考:

    https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
    在第4步有通过run文件安装cuda的方法
    特别注意的地方:
    安装cuda也需要先关闭界面服务,按照顺序从上到下做下来的话,这一步已经完成了

    sudo sh cuda_10.1.105_418.39_linux.run
    
    • 完成安装后,需要配置环境变量,在官网教程的第7部分有详细的教程,总结如下:
    export PATH=/usr/local/cuda-10.1/bin:/usr/local/cuda-10.1/NsightCompute-2019.1${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    

    Note that the above paths change when using a custom install path with the runfile installation method.

    3 安装cudnn

    通过官网下载安装文件https://developer.nvidia.com/cudnn,这一步需要nvidia账号。
    在这里插入图片描述
    安装教程建议也参考官网教程进行安装:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#verify
    下载的文件后缀为 solitairetheme8直接改成.tgz就行。
    然后:

    tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
    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*
    

    4. 安装PyTorch

    官网教程:https://pytorch.org/get-started/locally/
    在这里插入图片描述
    执行如下命令即可

    conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
    

    5 验证安装成功

    验证驱动

    nvidia-smi
    

    验证cudnn
    新建文件:test_gpu.py

    import torch
    if __name__ == '__main__':
    	# 测试cuda
    	print("Support CUDA?:", torch.cuda.is_available())
    	x = torch.tensor([10.0])
    	x = x.cuda()
    	print(x)
    	y = torch.randn(2,3)
    	y = y.cuda()
    	print(y)
    	z = x+y
    	print(z)
    	# 测试CUDNN
    	from torch.backends import cudnn
    	print("Support cudnn ?:", cudnn.is_acceptable(x))
    

    运行文件:

    python test_gpu.py
    

    两处打印support的地方均能够看到true即可。

    展开全文
  • ubuntu18.04安装CUDA10.0cuDNN7.6.5一、安装CUDA10.01.检查版本和类型2.禁用nouveau驱动3.安装驱动4.安装CUDA5.安装cuDNN 一、安装CUDA10.0 1.检查版本和类型 首先查看自己的系统版本,命令如下: 可以看到我的...

    一、安装CUDA10.0

    1.检查版本和类型

    首先查看自己的系统版本,命令如下:
    在这里插入图片描述
    返回值是:
    在这里插入图片描述
    可以看到我的系统是Ubuntu18.04,在此基础上查看适合本系统的NVIDIA显卡型号和推荐的驱动程序模型。
    在这里插入图片描述
    返回以下结果:
    在这里插入图片描述
    可以看出,推荐的驱动型号为 nvidia-driver-455。安装该驱动:
    在这里插入图片描述

    2.禁用nouveau驱动

    在终端输入:
    在这里插入图片描述
    在blacklist.conf最后添加:
    在这里插入图片描述
    保存退出,然后在终端更新并重启
    在这里插入图片描述
    在这里插入图片描述
    重启后检查是否禁用成功,若无输出则禁用成功:
    在这里插入图片描述

    3.安装驱动

    现在在安装nvidia-driver-455驱动:
    在这里插入图片描述
    检查是否安装成功,若成功会显示显卡信息:
    在这里插入图片描述
    返回值如下:

    4.安装CUDA

    (1)从官网下载 link cuda10.0。
    *强调文本* _强调文本_
    (2)进行安装
    在这里插入图片描述
    (3)开始安装,一直回车直到出现问题:
    在这里插入图片描述
    选accept,回车继续。后续除了安装驱动选no,其他都选yes。
    (4)修改环境变量
    在这里插入图片描述
    在~/.bashrc文件最后插入:
    在这里插入图片描述
    保存文件退出,然后更新环境变量:
    在这里插入图片描述
    (5)测试CUDA是否安装成功,依次输入以下命令:
    在这里插入图片描述
    返回值出现PASS,说明安装成功。
    在这里插入图片描述

    二.安装cuDNN7.6.5

    可以在官网下载cuDNN: link. 注意CUDA与cuDNN版本要适配,我选用了cudnn-10.0-linux-x64-v7.6.5.32.tgz进行安装,在这里附一下百度云链接: link 提取码:rd3h

    先进入下载好的cuDNN所在目录,然后分别复制以下文件 cuda/include/cudnn.h 与 cuda/lib64/libcudnn*到CUDA Toolkit目录的include/下与lib64/下:
    在这里插入图片描述
    修改访问权限:
    在这里插入图片描述
    在终端查看cuDNN版本:
    在这里插入图片描述
    返回结果如下:
    在这里插入图片描述

    展开全文
  • 安装cuda以及gcc

    2020-12-01 10:36:06
    cuda包放在目录下2.gccg++的切换 安装cuda 1.将cuda包放在目录下 (1)官网下载你所需要cuda,建议下载runfile类型的文件便于安装 在该文件夹下打开终端 sudo sh cudaxxxxx(文件名称) 然后输入 accept、n(不...
  • BundleFusion在win10+vs2013+cuda8.0上的实现

    千次阅读 热门讨论 2019-04-12 11:06:00
    目录介绍一、配置1、驱动与cuda8.0安装2、DirectX SDK安装二、vs2013代码生成1、mLib与 mLib external配置mLibmLib external2、cuda设置修改cuda版本显卡计算能力设置3、相机类型设置(以apt0.sens离线数据为例)...
  • win10+Anaconda+pytorch+CUDA10.1安装指南一、电脑配置检查检查电脑显卡类型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...
  • 吐血,装cuda和cudnn搞了两天…… ...先多看一些博客之类的,观察自己ubuntu版本、显卡类型一致的博客,看他们装的最普遍的cuda和cudnn版本,不要一味追求最新的版本(我就装了cuda9.2之后发现没有对应的t...
  • CUDA学习笔记(2)—— GPU 虽然GPU具有强大的算力,但GPU不能单独工作,需要CPU一起并作为CPU的协处理器才能工作。 GPU的存储体系根据GPU的类型不同,可以是逻辑上的,也可以是物理上的。对于集成显卡(即...
  • win10+cuda10.2+VS2019调试YOLOV4

    千次阅读 2020-04-26 19:34:49
    yolov4发布了,速度精度相比较v3有了较大进步。所以赶紧上手试一试。记录大概的步骤。 opencv之前安装好的,我用的版本是3.4.0 cuda安装最新的10.2。 1,升级显卡驱动为最新的。 去官网,根据自己显卡的型号...
  • Tensorflow不同版本要求与CUDA及CUDNN版本对应关系 知道要下哪些版本了,就预先做好各种软件下载工作。 首先下载好英伟达的驱动 NVIDIA驱动下载 注意!!!下载好跟自己显卡对应的驱动。显卡的产品类型、系列那些...
  • 本文实现了Windows10下GPU版本的tensorflow2.2.0的安装,用到的软件主要包括:CUDA 10.2 + cuDNN + Anaconda + ...)一、下载和安装CUDA(1)查看电脑的显卡类型和显卡驱动版本(2)查询CUDA版本显卡驱动版本对...
  • 本文实现了Windows10下GPU版本的tensorflow2.2.0的安装,用到的软件主要包括:CUDA 10.2 + cuDNN + Anaconda + ...)一、下载和安装CUDA(1)查看电脑的显卡类型和显卡驱动版本(2)查询CUDA版本显卡驱动版本对...
  • 1. 安装或升级Studio类型的NVIDIA显卡驱动(搭建并行...2. 安装与CUDA相适应的Visual Studio 我之前装过2019,现在需要2017与之匹配,为节省时间只加载了python模块,可关闭IPv6服务以提高下载组件速度(ps:本来还准备
  • gpu caffe 配置问题

    2019-05-10 17:25:33
    1。libcudnn软链接版本号错误 2. nvidia 显卡与cuda版本不匹配 查看可配置的nvidia driver类型 418不可以 3.caffe的makefile及makefile.config 的computer cuda 注释 路径添加。 ...
  • 本文实现了Windows10下GPU版本的tensorflow2.2.0的安装,用到的软件主要包括:CUDA 10.2 + cuDNN + Anaconda + tensorflow-...(1)查看电脑的显卡类型和显卡驱动版本 (2)查询CUDA版本显卡驱动版本对照表 网址:https:.
  • gpu配置

    2021-03-19 17:35:07
    显卡类型——NVIDIA(计算能力至少为3.0) 下载CUDA(>=8.0)CUDNN(>=6.1) CUDA CUDNN (我下载的显卡软件版本如上,发现自己的tensorflow2.4.1相匹配,可以用) (2)安装显卡软件 1.安装cuda ...
  • Pytorch学习笔记

    2020-05-26 18:28:12
    文章目录配置环境机器学习中的分类回归问题PyTorch的基本概念Tensor的类型Tensor的创建Tensor的属性 配置环境 安装pip sudo apt-get install python3-pip 安装显卡驱动 安装cuda10.1 安装cuDNN7.6.5 使用sudo ...
  • BundleFusion 转

    2020-08-12 10:28:25
    ... 1、mLib mLib external配置 mLib mLib external 2、cuda设置 修改cuda版本 显卡计算能力设置 3、相机类型设置(以apt0.sens离线数据为例) 输入类型 修改GlobalA.
  • GPU Caps Viewer v1.41.3.zip

    2019-07-14 16:01:05
    gpu-z不同的是,GPU Caps Viewer对显卡的功能规格显示的更加详细,除了对显卡的基本规格能够完全正确识别外,还专门提供一个有关显卡OPENGL能力检测测试的界面。如果对显卡诊断识别这方面有需求的可以下载体验下。...
  • 在安装GPU环境下的软件工具,特别是CUDA/CUDNN等,一定要...NVIDIA驱动的安装一定要与显卡类型、linux内核版本匹配,驱动安装好之后,软件工具的安装版本也一定要驱动版本、内核版本匹配,这个容易出问题。 Us...
  • 1.本人使用的笔记本显卡是GTX1660Ti-MQ 6G,使用GPU跑baseline需要将步骤5的use_cuda改成True。 2.在运行程序时候遇到如下报错: 原因是GPU里存的tensor无法转为numpy数组,需要先转为cpu类型的tensor,解决方案如下...
  • 如果你准备使用GPU训练,请先更新显卡驱动并安装CUDA和cuDNN,可以了解下官方测试过的编译版本对应: https://www.tensorflow.org/install/install_sources#tested_source_configurations Github上可以下载到第三方...

空空如也

空空如也

1 2
收藏数 24
精华内容 9
关键字:

显卡类型与cuda