Ubuntu 16.04 单显卡安装Nvidia驱动+GTX750显卡安装CUDA 9.1+cuDNN 7.1.3
1.移除原有nvidia驱动
$ sudo apt-get remove --purge nvidia*
2.禁用nouveau驱动
$ sudo vim /etc/modprobe.d/blacklist.conf
// 在文件末尾添加:
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
$ sudo update-initramfs -u
3.进入字符界面:ctrl+alt+F1
4.开始安装
[1] 关闭桌面系统服务
*
如果是uni 4000 ty桌面执行第一条,如果是gnome桌面执行第二条
$ sudo systemctl stop lightgdm.service
$ sudo systemctl stop gdm.service
[2] 使用以下命令安装nvidia的官方闭源驱动,这里使用runfile安装
*
一切默认即可
*
驱动自行下载,按照显卡型号选择即可
$ sudo ./NVIDIA-Linux-x86_64-390.48.run --no-opengl-files
*
[3] 重启系统
[4] 执行命令:nvidia-smi
5.安装CUDA 9.1,这里使用runfile安装
[1] 进入字符界面:ctrl+alt+F1
[2] 关闭图形界面:同上
[3] 执行以下命令:
$ chmod +x cuda_9.1.85_387.26_linux.run
$ sudo ./cuda_9.1.85_387.26_linux.run
[4] 关于安装选项:在安装开始时会让你阅读一份协议书,按住Enter键,直到读完
*
Do you accept the previously read EULA? accept
*
Install NVIDIA Accelerated Graphics Driver for Linux-X86_64 xxx.xxx? no
*
Install the CUDA 9.1 Toolkit? yes
*
Enter Toolkit Location,这个直接按Enter即可
*
Do you want to install a symbolic link at /usr/local/cuda? yes
*
Install the CUDA 9.1 Samples? yes
*
Enter CUDA Samples Location,这个直接按Enter即可
*
注意如果:在安装显卡驱动之前完成了 SLAM 和 ROS 的配置,就不会出现缺失库的情况
如果出现missing recommended libraries,执行以下命令即可
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
[6] 重启图形界面:将上面的命令中 stop 换为 restart 即可,登录系统
*
此时如果没有出现循环登录,则基本安装成功
[7] 重启系统
[8] 输入命令:
*
如果没有出现:/dev/nvidia-uvm 则为安装不全
$ ls /dev/nvidia*
[9] 针对第8步中安装不全的情况:
*
认真阅读官方文档:https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
*
编辑开机启动文件:/etc/rc.local,在文件的#!/bin/sh(注意要删掉-e)和exit 0 之间添加如下内容:
/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
[10] 重启系统,再次执行命令:
$ ls /dev/nvidia*
[11] 添加环境变量,并重启系统:
$ sudo vim /etc/profile
// 在所有环境变量之后添加如下内容:
export PATH=/usr/local/cuda-9.1/bin:PATHexportLDLIBRARYPATH=/usr/local/cuda−9.1/lib64:PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:PATHexportLDLIBRARYPATH=/usr/local/cuda−9.1/lib64:LD_LIBRARY_PATH
[12] 验证安装:
*
验证驱动:$ cat /proc/driver/nvidia/version
*
验证CUDA Toolkit:$ nvcc -V
*
编译测试:使用Sample,正常编译都会成功,一般时间为30分钟
$ cd NVIDIA_CUDA-9.1_Samples
$ make
*
运行编译的程序:
$ cd bin/x86_64/linux/release/
$ ./deviceQuery
最后出现:Result=Pass 表示成功
*
运行:$ ./bandwidthTest,成功的判断同上
6.使用deb包安装cuDNN 7.1.3
*
下载需要注册成为nvidia的开发者
*
注意版本对应
*
可以使用的安装方式有:tgz,deb
*
Sample目录为:/usr/src/cudnn_samples_v7/
*
安装包:
*
libcudnn7_7.1.3.16-1+cuda9.1_amd64.deb
*
libcudnn7-dev_7.1.3.16-1+cuda9.1_amd64.deb
*
libcudnn7-doc_7.1.3.16-1+cuda9.1_amd64.deb
$ sudo dpkg -i *.deb
*
编译测试:最后会出现Test passed!就表示成功
$ cp -r /usr/src/cudnn_samples_v7/ ~/
$ cd ~/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN
*
如果出现:./mnistCUDNN: error while loading shared libraries: libcudart.so.9.1: cannot open shared object file: No such file or directory,是因为库没有正确链接
$ sudo cp /usr/local/cuda-9.1/lib64/libcudart.so.9.1 /usr/local/lib/libcudart.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcublas.so.9.1 /usr/local/lib/libcublas.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcurand.so.9.1 /usr/local/lib/libcurabd.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig
阅读更多- 双显卡 ubuntu16.04 安装 NVIDIA驱动 + CUDA + cuDNN + tensorflow-gpu + keras
- Ubuntu16.04下安装NVIDIA驱动、CUDA、cuDNN、OpenCV、Caffe和ROS
- 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
- Ubuntu 16.04安装Nvidia 驱动及cuda 8.0 cudnn6.0 遇到的坑
- 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
- Ubuntu 16.04 深度学习环境快速安装(NVIDIA驱动+cuda+cuDNN)
- Ubuntu16.04安装NVIDIA驱动+CUDA9.0+cuDNN7.0
- Ubuntu16.04 nvidia显卡驱动 cuda9.0 cudnn7.0.5 简要配置流程
- ubuntu16.04+双显卡驱动+cuda9.1+cudnn7.05深度学习环境配置
- 服务器重装和配置:Ubuntu16.04 + Anaconda3 + GTX1080驱动 + CUDA8 + cuDNN + 常用工具安装
- linux下 安装anaconda NVIDIA显卡驱动 cuda cudnn tensorflow-gpu 线下安装!
- Ubuntu14.04+cuda-8.0+cudnn-v5.1+安装教程+开机low-graphic玄学脱坑+开机无限循环+重装显卡驱动
- 三台不同型号机子测试成功-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。
- Ubuntu 16.04 安装cuda9.0 &cudnn7.0 之妙法:NVIDIA 驱动->cuda->cudnn->安装tensorflow-gpu(windows 也可参考),试一下?
- Ubuntu 16.04+CUDA 9.1+cuDNN v7+OpenCV 3.4.0+Caffe+PyCharm 完全安装指南,国内最全!(适用CUDA 9.0)
- 【机器学习自虐之旅】环境安装(一)Ubuntu 16.04 + NVidia-384 + CUDA 8.0 + cuDNN 6
- Caffe深度学习入门——Ubuntu16.04 + CUDA9.1+cudnn7.5 + opencv3.3.1+python3.5+caffe安装参考博客和跳坑笔记
- Ubuntu16.04安装1050Ti驱动396+CUDA9.0+cudnn7.0.5
- Ubuntu 14.04 升级NVIDIA显卡驱动、CUDA 8.0 和 cudnn 5.1
- ubuntu16.04 + NVIDIA驱动 + CUDA + cuDNN + tensorflow-gpu + keras安装