Linux NVIDIA显卡驱动安装

本文详细介绍了在Ubuntu系统中如何检查显卡信息并安装NVIDIA显卡驱动,针对安装过程中出现的NVIDIA-SMI无法与驱动通信的问题提供了具体的解决方案,包括使用dkms进行驱动安装。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

查看显卡信息

ubuntu-drivers devices
输入以上命令可以查看电脑的显卡信息,在安装时按照显卡的版本来
在这里插入图片描述
这里我们可以看到需要安装的版本是390,接着可以执行以下命令进行安装

sudo apt-get install nvidia-driver-390

测试

安装完成后进行测试,在输入nvidia-smi命令时出现了以下错误:

NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

参考网上的首先降低内核版本没有作用,这里就不叙述

输入sudo apt-get install dkms
sudo dkms install -m nvidia -v 390.116(这里是我的版本号,可进入usr/src查看)

最后不需要重启,输入nvidia-smi就可运行
在这里插入图片描述

### LinuxNVIDIA 显卡驱动、CUDA 和 cuDNN 的安装教程 #### 1. 安装 NVIDIA 显卡驱动 在 Ubuntu 上安装 NVIDIA 显卡驱动可以通过图形界面完成,也可以通过命令行操作。推荐方法如下: - 打开 *软件和更新* 中的 *附加驱动* 页面,在可用选项中选择带有 `NVIDIA` 字样的驱动程序并应用更改[^2]。 如果需要手动安装或者禁用默认的 Nouveau 驱动,则可以执行以下步骤: ```bash sudo apt update sudo apt install linux-headers-$(uname -r) sudo modprobe -r nouveau && sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nouveau.conf" sudo reboot ``` 重启后下载对应版本的 NVIDIA 驱动包,并运行安装脚本[^3]: ```bash chmod +x NVIDIA-Linux-x86_64-version.run sudo ./NVIDIA-Linux-x86_64-version.run ``` #### 2. 升级或安装 CUDA 工具包 为了确保兼容性和性能优化,建议先确认已安装NVIDIA 驱动版本是否支持目标 CUDA 版本。 对于特定版本如 CUDA 10.1 可以按照官方文档说明进行配置[^1]。通常情况下可通过 APT 或者本地 RUN 文件两种方式实现安装过程。APT 方法较为简便: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-10-1 ``` 完成后记得设置环境变量以便后续调用工具链正常工作: ```bash export PATH=/usr/local/cuda-10.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH source ~/.bashrc ``` #### 3. 配置 cuDNN 库文件 cuDNN 是针对深度学习框架加速而设计的一套高性能库集合。其依赖于基础 CUDA 平台之上构建而成。获取合法授权后的 cuDNN 压缩档需解压到指定目录下覆盖原有内容: 假设当前路径存在 tar.gz 形式的压缩包形式: ```bash tar zxvf cudnn-X-linux-x64-vY.Y.ZZ.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* ``` 最后验证整个流程无误可尝试编译示例项目来检测功能完整性。 ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) # 输出 True 表明成功启用GPU计算能力 ```
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