Ubuntu18.04-cuda.txt

这篇博客详细介绍了如何在Ubuntu 18.04系统中安装NVIDIA显卡驱动,包括电源管理配置、GCC降级、CUDA和CUDNN的安装过程,同时涵盖了安装中文输入法、VSCode、Chrome浏览器以及解决声音问题和代码托管的相关步骤。
部署运行你感兴趣的模型镜像

安装NVIDIA显卡驱动:

1. quit save-boot mode(in bios), update ubuntu, apt-get upgrade, reboot
2. sudo ubuntu-drivers autoinstall
3. sudo reboot, check nvidia-smi

如果是笔记本安装电源管理:

1. sudo apt-get install pm-utils
2. sudo apt-get install laptop-mode-tools
3. sudo gedit /etc/laptop-mode/laptop-mode.conf
ENABLE_LAPTOP_MODE_ON_BATTERY=1
ENABLE_LAPTOP_MODE_ON_AC=1
ENABLE_LAPTOP_MODE_WHEN_LID_CLOSED=1

降级GCC:

1. sudo apt-get install gcc-4.8
2. sudo apt-get install g++-4.8
3. cd /usr/bin
4. sudo mv gcc gcc.bak
5. sudo ln -s gcc-4.8 gcc
6. sudo mv g++ g++.bak
7. sudo ln -s g++-4.8 g++
8. sudo reboot
check:  gcc -v (g++ -v)

安装CUDA:

1. sudo sh cuda_9.1.85_387.26_linux.run (do not install driver)
if something missing:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
2. sudo sh cuda_9.1.85.1_linux.run
3. sudo sh cuda_9.1.85.2_linux.run
4. sudo sh cuda_9.1.85.3_linux.run
5. sudo gedit ~/.bashrc
add 2 lines:
export PATH=/usr/local/cuda-9.1/bin${PATH:+:$PATH}
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
check: nvcc -V

安装CUDNN:

1. 去官网下载对应版本的CUDNN,这里CUDA9.1对应CUDNN7.0.5
2. tar -zxvf cudnn-9.1-linux-x64-v7.tgz
3. sudo cp cuda/include/cudnn.h /usr/local/cuda/include
4. sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
5. sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
验证可用可以下载pytorch在使用如下代码
 # CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

安装中文输入法:

1. sudo apt-get install fcitx-bin
2. sudo apt-get install fcitx-table
3. home->search language->choose fcitx, reboot
4. download sougoupinyin in web: https://pinyin.sogou.com/linux/
5. cick right-up coner: Configure Current Input Method->add pinyin

安装VSCode:

1. download deb from: https://code.visualstudio.com/

安装chrome浏览器:

1. sudo wget http://www.linuxidc.com/files/repo/google-chrome.list -P /etc/apt/sources.list.d/
2. wget -q -O - https://dl.google.com/linux/linux_signing_key.pub  | sudo apt-key add -
3. sudo apt update
4. sudo apt install google-chrome-stable

如果没有声音:

1. sudo apt-get remove --purge alsa-base pulseaudio
2. sudo apt-get install alsa-base pulseaudio pavucontrol
3. sudo alsa force-reload
4. reboot
5. sudo apt-get install pavucontrol
6. pavucontrol -> configuration 设置一番
7. reboot

安装代码托管:

1. sudo apt-get install git
2. git config --global user.name "username"
3. git config --global user.email "email"
4. check: git clone https://github.com/username/project.git
5. write  push.sh:
提交方法如下:
git add .
git commit -m 'personal modify'
git push

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值