Looking up port of RPC 100003/2 on 10.0.1.9

本文详细阐述了在使用NFS进行文件系统挂载时遇到的错误,以及通过设置正确的环境变量成功解决问题的过程。主要关注点在于环境变量对NFS挂载的影响,特别是内核启动参数中需要包含目标设备的IP地址。

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

 

今天犯了一个很弱智的问题,我采用NFS挂载时,出现了下面的问题:

 Looking up port of RPC 100003/2 on 10.0.1.9
[   39.540000] rpcbind: server 10.0.1.9 not responding, timed out
[   39.540000] Root-NFS: Unable to get nfsd port number from server, using default
[   39.550000] Looking up port of RPC 100005/1 on 10.0.1.9
[   74.560000] rpcbind: server 10.0.1.9 not responding, timed out

 

起初以为是我的宿主机NFS设置问题,可是我换做其他开发板,采用一样的环境,一切正常。

因为我换了u-boot,起初怀疑是u-boot的问题,可是想了想,内核启动后,u-boot已经完成了他的工作,

内核能够启动,说明u-boot正常,后来搞了许久,才发现是环境变量的问题。在设置nfs挂载时,忘记了

为内核传递板子ip地址,setenv bootargs root=nfs nfsroot=192.168.1.233:/source/rootfs console=ttySAC0,115200 init=/linuxrc

ip=192.168.1.2

再次启动,一切正常,

就是这的问题啊,发现自己真悲剧!

<think>我们正在处理一个关于在安装CUDA驱动程序时遇到Conda找不到包的错误的问题。用户尝试使用`condainstall`安装本地下载的CUDA驱动程序(文件名为`cuda_10.0.130_411.31_win10.exe`)时遇到了`PackagesNotFoundError`。首先,我们需要明确:`conda install`命令通常用于安装conda仓库中的软件包,而用户下载的CUDA驱动程序是一个可执行的安装程序(.exe),并不是conda包。因此,直接使用`conda install`来安装这个exe文件是不正确的。根据引用[3]和引用[4]中的信息,安装CUDA的正确方法是直接运行下载的exe安装程序,然后手动配置环境变量。而cuDNN的安装则是将下载的文件解压后复制到CUDA的安装目录中。因此,用户遇到的错误是因为试图用conda安装一个非conda包。解决方法是直接运行exe文件安装CUDA,而不是通过conda。步骤总结如下:1.运行下载的CUDA安装程序(如`cuda_10.0.130_411.31_win10.exe`)进行安装。-在安装过程中,选择“自定义”安装(引用[3]中提到,选择自定义安装并全选组件可以成功)。-记录安装路径(默认路径为`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v10.0`)。2.安装完成后,添加必要的环境变量(引用[3]和引用[4]都提到了环境变量的设置):-引用[4]特别指出需要添加以下四个路径到环境变量(用户环境变量或系统环境变量):-`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v10.0`-`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v10.0\bin`-`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v10.0\lib\x64`-`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v10.0\libnvvp`3.验证CUDA安装:在cmd中运行`nvcc -V`,如果显示版本信息则安装成功。4.安装cuDNN(如果需要):-下载与CUDA10.0匹配的cuDNN版本(例如cuDNNv7.4.2,引用[4]提到)。-解压下载的cuDNN压缩包,将其中的bin、include、lib文件夹中的内容复制到CUDA的安装目录对应的文件夹中(引用[3]和引用[4])。5.安装TensorFlow(如果需要):-根据引用[4]和引用[5],可以使用pip安装特定版本的TensorFlow,例如:-`pipinstall tensorflow-gpu==2.0.0`#注意:用户提到的是TensorFlow2.0.0,但引用[5]中给出的是1.14.0,请根据实际需要选择版本。注意:用户可能是在虚拟环境中操作,因此确保在激活虚拟环境后使用pip安装TensorFlow。因此,给用户的解决方案是:不要使用conda安装CUDA的exe文件,而是直接运行安装程序,并按照上述步骤操作。同时,用户可能混淆了conda安装包和本地安装程序的概念,需要明确告知。下面我们将按照用户要求的结构化方式回答,并生成相关问题。</think>### 解决 Conda 安装本地 CUDA 驱动包失败的问题 您遇到的 `PackagesNotFoundError` 是因为 `conda install` 命令只能安装 Conda 仓库中的预编译包,无法直接安装本地 `.exe` 格式的驱动程序。以下是正确安装方法: #### ✅ 正确安装步骤 1. **直接运行 CUDA 安装程序** 双击下载的 `cuda_10.0.130_411.31_win10.exe` 文件进行安装: - 选择 **自定义安装**(引用[3]) - 保持默认路径:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0` - 安装完成后在 CMD 验证: ```bash nvcc -V ``` 应显示 `CUDA 版本 10.0.130` 2. **手动配置环境变量**(关键步骤!) 添加以下路径到 **系统环境变量**(引用[3][4]): ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp ``` 3. **安装 cuDNN**(若需 GPU 加速) - 下载与 CUDA 10.0 匹配的 cuDNN(如 v7.6.5) - 解压后将 `bin`、`include`、`lib` 文件夹内容复制到 CUDA 安装目录(引用[3]) 4. **通过 Conda 安装 TensorFlow** 在虚拟环境中使用 Conda 安装匹配版本: ```bash conda install tensorflow-gpu=2.0.0 # 指定版本号 ``` #### ❌ 错误原因分析 - `conda install` 仅支持 `.tar.bz2` 等 Conda 包格式,无法识别 `.exe` 安装程序 - CUDA 驱动需系统级安装,Conda 仅管理 Python 环境依赖(引用[5]) - 缺少环境变量会导致 TensorFlow 无法调用 CUDA(引用[4]) #### 验证安装成功 ```python import tensorflow as tf print(tf.__version__) # 应输出 2.0.0 print(tf.test.is_gpu_available()) # 应返回 True ``` > **关键提示**:TensorFlow 2.0.0 要求严格匹配 CUDA 10.0 和 cuDNN 7.6(引用[4]),版本错误会导致加载失败。
评论 4
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