Ubuntu18.04/16.04 安装 CUDA10.0

本文详细记录了在Ubuntu不同版本中安装CUDA10.0及10.1的过程,包括解决驱动不兼容和内核版本过高的问题。最终在Ubuntu16.04上成功安装CUDA10.0。
部署运行你感兴趣的模型镜像

一开始作者用ubuntu18.04安装CUDA10.1,但碰到了一些问题,后来改成10.0,安装成功,但存在内核不兼容问题(wifi无法使用),故改成16.04 安装CUDA10.0成功

一开始,尝试Ubuntu18.4安装CUDA10.1

  1. 第一步安装显卡驱动
ubuntu-drivers devices #会显示可用的显卡驱动
sudo ubuntu-drivers autoinstall #安装所有推荐驱动
  1. 查看驱动
nvdia-smi

如果未安装成功,会提示异常。
NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running
笔者忽略了这一步,导致后来出现了问题。

  1. 安装CUDA10.1,CUDA下载在英伟达开发者官网,按照系统选择,然后选runfile(local)和legal release
    下载好后,进入下载目录,执行安装命令
sudo sh cuda_xxxxxxx_linux.run #xxxx替换为文件名

然后会出现一系列安装选择,CUDA10.1是让你勾选,10.0 是让你回答y/n
反正除了GPU driver不用选(因为之前已经自己装了),其他都勾上或y
安装完成后,会提醒你修改.bashrc

  1. 修改.bashrc
sudo gedit ~/.bashrc

在.bashrc的底部加上

export PATH=/usr/local/cuda-10.1/bin${PATH:+:$PATH}} #如果是10.0就改成10.0,下同
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存之后,回到命令行

source ~/.bashrc#让修改生效

查看是否安装完成

nvcc -V

如果没报错,就说明安装完成
但是安装完成不一定能用。
验证

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

若出现result=pass,就说明安装完成,可以继续装cudnn了。
笔者在这里碰到了问题,显示gpu有些问题。
具体原因如下:
因为笔者安装的gpu驱动版本太低
解决方案:经过查看,发现笔记本GT740M不支持更搞版本的驱动,没办法,只能改10.0从头来一次
对系统的要求
对显卡驱动的要求

  1. 这是CUDA10.1对系统和显卡驱动的要求,具体可以在英伟达官网找到。英伟达开发者官网

于是换10.0

换10.0 依旧出现了问题,安装完显卡驱动后执行

nvidia-smi

**报错:**无法和显卡驱动通信。
经查资料,可能是系统内核版本过高5.0.0导致的,于是降内核降到4.15.0。

sudo apt-cache search linux-image #搜索可下载内核
sudo apt-get install linux-image-xxxxxx-generic #xxx改成低版本的内核,4.15.0
dpkg -l | grep 3.16.0-43-generic #查看是否有了你安装的这个内核

重启进入ubuntu高级选项,选择这个内核。
笔者进入的时候,发现无法找到wifi适配器,但是CUDA已经安装成功,可以顺利执行,wifi问题可能是存在内核兼容问题。

于是,又重装16.04,重新安装CUDA10.0,按照步骤,安顺利装成功啦

总结:一定要阅读官网的Doc,看你安装的版本对系统以及驱动的要求,不然会报各种错

之后的cudnn的安装就非常简单啦。。

第一次写博客,有点乱,见谅,希望能帮到大家

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

### 安装多个 CUDA 版本共存 #### 准备工作 确保已经安装了 NVIDIA 显卡驱动程序,并可以通过 `nvidia-smi` 命令验证其状态[^1]。 #### 下载并准备不同版本的 CUDA 工具包 对于每个想要安装的不同 CUDA 版本,访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-toolkit-archive),下载适用于目标系统的相应版本。注意选择适合的操作系统版本以及架构类型(通常是amd64/x86_64)。 #### 卸载现有 CUDA (如果必要) 如果有旧版CUDA存在,则可能需要先卸载它来避免冲突。这一步骤并非总是必需,但如果遇到问题则建议执行此操作: ```bash sudo apt-get --purge remove "*cublas*" "cuda*" ``` 之后清理残留文件夹: ```bash rm -rf /usr/local/cuda* ``` #### 开始新版本 CUDA安装过程 针对每一个要安装的新版本,按照官方文档指导完成安装流程。这里以 CUDA 9.0CUDA 10.x为例说明具体做法。 ##### 对于 CUDA 9.0: 因为 Ubuntu 18.04 默认仓库不提供 CUDA 9.0,所以应该采用来自 Ubuntu 16.04 的软件包进行手动安装。下载完成后解压并复制到指定位置 `/usr/local/` 目录下: ```bash tar xvzf cuda_9.0.*_*_linux.run sudo cp -r cuda/* /usr/local/ ``` 设置环境变量,在 `.bashrc` 文件中添加如下路径配置(假设只安装了一个版本): ```bash export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 使更改生效: ```bash source ~/.bashrc ``` ##### 对于 CUDA 10.x 及以上版本: 可以直接通过 APT 或者运行脚本来简化安装步骤。例如使用APT源的方式: 更新本地索引后添加新的 PPA 源: ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` 接着可以根据需求选择特定版本进行安装: ```bash sudo apt install cuda-10-0 # 安装 CUDA 10.0 ``` 同样地调整环境变量指向正确的目录结构。 #### 实现多版本间的快速切换 为了方便管理和切换不同的 CUDA 版本,可以利用 `update-alternatives` 系统工具创建符号链接集合。这样就可以轻松改变默认使用的编译器和其他组件而无需修改全局环境变量。 为各个已知版本注册别名: ```bash sudo update-alternatives --install /usr/local/cuda cuda /usr/local/cuda-X.Y Z ``` 其中 X.Y 表示具体的次版本号;Z 是优先级数值,较高的值会被选作默认选项。 最后可通过命令行界面交互式选取当前活动版本: ```bash sudo update-alternatives --config cuda ``` 此时会显示所有可用的选择列表供用户挑选,默认情况下会选择具有最高优先级的那个版本作为活跃实例。
评论
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