笔记 | 您所在的位置:网站首页 › 查看gpu驱动版本 ubuntu › 笔记 |
目录 1--安装Nvidia驱动 2--安装CUDA 2-1--禁用nouveau 2-2--选择CUDA Toolkit 2-3--下载和安装CUDA Toolkit 2-4--配置环境变量 2-5--测试是否安装成功: 3--安装CUDA CuDNN 4--测试pytorch能否使用Cuda 1--安装Nvidia驱动① 查看可安装的Nvidia驱动版本: ubuntu-drivers devices② 安装相应版本的Nvidia驱动: 博主这里选择的是第一个,也可以安装推荐(recommended)的版本 sudo apt-get install nvidia-driver-515安装过程中,一般要设置一个密码,这个密码在后面重启系统会用到! ③ 安装完成后,需要重启电脑: reboot重启电脑一般会弹出以下Perform MDK management界面: 选择第二个选项 Eroll MDK,输入第②步设置的密码后,会发现只剩下三个选项,选择第一个开机选项即可完成 Nvidia 驱动的安装; ④ 验证安装: nvidia-smi出现以上界面即为安装成功! 2--安装CUDA 2-1--禁用nouveau① 查看黑名单 sudo gedit /etc/modprobe.d/blacklist.conf② 在弹出的文本末尾添加黑名单 blacklist nouveau③ 保存并重启 sudo update-initramfs -u reboot④ 测试是否禁用成功 lsmod | grep nouveau无输出即禁用 nouveau 成功! NVIDIA CUDA驱动版本下载地址:https://developer.nvidia.com/cuda-toolkit-archive 注:选择合适的版本进行安装,确保 CUDA Toolkit 的版本低于 Nvidia 驱动的版本!(这里博主的CUDA Toolkit 版本为465.19.01,低于安装的 Nvidia驱动 版本515.86.01,可以兼容和适配) ① 根据2-2截图中的两条命令进行安装(第一个命令将下载CUDA Toolkit,第二个命令将安装CUDA Toolkit): wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run sudo sh cuda_11.3.1_465.19.01_linux.run在执行安装命令的时候,也许需要先执行以下命令: sudo chmod +x cuda_11.3.1_465.19.01_linux.run再执行安装命令: sudo sh cuda_11.3.1_465.19.01_linux.runaccept 之后,不要安装驱动,因为之前我们已经安装了Nvidia驱动! 末尾添加以下两条路径:(由于博主安装的是 Cuda11.3,所以路径为cuda-11.3,这里需根据实际的安装版本和路径进行设定) export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}更新系统变量: source ~/.bashrc 2-5--测试是否安装成功: nvcc -VCUDA CuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive ① 下载合适的CUDA CuDNN版本:(选择第二项x86 64进行下载) ② 解压安装包: tar -xzvf cudnn-11.3-linux-x64-v8.2.1.32.tgz③ 拷贝文件到cuda安装目录,并给予执行权限: ④ 测试是否安装成功: cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2输出对应的版本号即为安装成功! 4--测试pytorch能否使用Cudapytorch下载地址:https://pytorch.org/ ① 下载合适版本的 pytorch(这里博主选用的是基于 Cuda11.3 的 v1.12.0 版本); conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch② 验证Cuda可用性: python import torch print(torch.cuda.is_available())当输出为 True 时,表明 pytorch 安装成功,pytorch 可以使用 Cuda 进行加速,Nvidia驱动、CUDA Toolkit 和 CUDA CuDNN 等均安装成功!!!! |
CopyRight 2018-2019 实验室设备网 版权所有 |