ubuntu18.04安装显卡驱动 成功率90%

本文介绍了在Ubuntu 18.04系统上安装2080显卡驱动的方法。作者尝试多种网上教程后,找到简单方法,该方法可避免安装后黑屏。文中给出详细安装步骤,还针对安装过程中可能出现的问题提供了解决办法。

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

ubuntu18.04安装显卡驱动2080看了网上很多教程,基本都试过,发现大部分教程都会出现一些问题。最后找到了一个最简单的安装教材,点击这里。也出现过一些小问题,最后也摸索着解决了。目测这种方法不会导致安装显卡驱动后黑屏的现象。
安装步骤

第一步: 别问,复制粘贴即可(把显卡驱动加入PPA)

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt update

第二步: 查看支持安装的显卡驱动版本号

$ ubuntu-drivers devices
driver : nvidia-driver-410 - third-party free
driver : nvidia-driver-418 - third-party free
driver : nvidia-driver-415 - third-party free
driver : nvidia-driver-430 - third-party free recommended
driver : xserver-xorg-video-nouveau - distro free builtin

第三步: 选择你要安装的显卡驱动版本下载并自动安装

$ sudo apt install nvidia-410

或者选择自动安装,会自动安装推荐版本

$ sudo ubuntu-drivers autoinstall

第四步: 如果不出意外,安装重启即可

安装过程出现问题怎么办

尝试方法:
打开软件与更新,选择下载源为阿里云,关闭后会弹出一个提示框,选择重新加载,加载完成后,在终端sudo apt update一下(安装过程时刻sudo apt update),然后尝试上面步骤
在这里插入图片描述
第三步出现问题:
如果下载过程中(比如下载到百分之五六十下载突然中断)提示有几个软件包无法下载时,重新执行第三步,会接着下载,那是因为下载速度太慢超时导致的,多执行几次基本就能下载完成。

我的博客地址

<think>好的,我现在需要帮助用户在Ubuntu 18.04上配置YOLOv3的GPU加速训练。首先,我得理清整个配置流程。根据用户提供的引用内容,主要涉及安装CUDA环境、配置darknet的GPU支持,以及相关依赖项的安装。 首先,用户提到需要安装CUDA,引用[1]和[2]都提到了这一点。我需要确认CUDA的安装步骤。Ubuntu 18.04对应的CUDA版本可能需要注意兼容性,比如用户可能使用的是较新的CUDA版本,但YOLOv3可能需要特定版本。不过引用中并没有具体说明版本,可能需要用户参考提供的链接或者查看darknet的官方文档。 接下来是安装依赖项。引用[2]给出了一系列的apt-get install命令,包括build-essential、cmake、git等,还有Python相关的库如python-numpy,以及图像处理库如libjpeg-dev。这些依赖项是编译darknet和后续训练所必需的,必须正确安装。 然后是配置darknet支持GPU。根据引用[1],用户需要修改Makefile中的GPU和CUDNN选项为1,并指定CUDA的路径。这里可能需要用户检查CUDA的安装路径是否正确,通常CUDA默认安装在/usr/local/cuda,但不同版本可能有差异,需要确认。 编译步骤是执行make命令,但如果有问题可能需要清理之前的编译文件(make clean)。编译成功后,验证GPU是否启用,用户可以通过运行darknet并检查输出是否有“CUDA-version”字样。 用户的问题中还提到了训练命令配置与CPU相同,说明一旦GPU配置成功,训练命令无需改变,但可能需要确保在训练脚本或配置文件中正确使用GPU资源。 可能的疑问点:是否需要安装cuDNN?因为引用中没有明确提到,但通常CUDA和cuDNN是配合使用的,特别是对于深度学习框架。需要确认darknet是否需要cuDNN,如果需要,用户还需安装对应版本。 另外,驱动程序的安装也是一个前提,用户需要确保NVIDIA驱动已经正确安装,并且与CUDA版本兼容。引用中没有提到驱动安装步骤,可能需要补充说明,或者假设用户已经安装了合适的驱动。 总结步骤应该是:安装依赖→安装CUDA→配置darknet的Makefile→编译→验证。同时,确保驱动和CUDA版本匹配,可能还需要安装cuDNN。过程中需要检查路径和版本,避免出现编译错误。</think>### 分步指南:在 Ubuntu 18.04 上配置 YOLOv3 GPU 加速训练 #### 1. **安装 NVIDIA 驱动** - 检查显卡型号: ```bash lspci | grep -i nvidia ``` - 安装推荐驱动(以驱动版本470为例): ```bash sudo ubuntu-drivers autoinstall ``` - 重启系统: ```bash sudo reboot ``` #### 2. **安装 CUDA 工具包** - **下载 CUDA 11.0**(兼容性较广的版本): 访问 [CUDA Toolkit Archive](https://developer.nvidia.com/cuda-11.0-download-archive) 选择对应配置。 - 安装 CUDA(以 `cuda_11.0.2_450.51.05_linux.run` 为例): ```bash sudo sh cuda_11.0.2_450.51.05_linux.run ``` *安装时取消勾选驱动安装(已提前安装)*[^2]。 - 添加环境变量到 `~/.bashrc`: ```bash echo 'export PATH=/usr/local/cuda-11.0/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` #### 3. **安装 cuDNN** - 下载 [cuDNN 8.0.5 for CUDA 11.0](https://developer.nvidia.com/rdp/cudnn-archive)(需注册账号)。 - 解压并复制文件: ```bash tar -xzvf cudnn-11.0-linux-x64-v8.0.5.39.tgz sudo cp cuda/include/* /usr/local/cuda-11.0/include/ sudo cp cuda/lib64/* /usr/local/cuda-11.0/lib64/ ``` #### 4. **安装系统依赖项** ```bash sudo apt-get update sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config \ libavcodec-dev libavformat-dev libswscale-dev python3.8-dev python3-numpy \ libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev ``` #### 5. **配置 Darknet 支持 GPU** - 克隆 Darknet 仓库: ```bash git clone https://github.com/pjreddie/darknet cd darknet ``` - 修改 `Makefile`: ```makefile GPU=1 # 启用GPU CUDNN=1 # 启用cuDNN加速 OPENCV=0 # 可选:若需摄像头输入则设为1 ``` - 指定 CUDA 路径(若安装路径非默认): ```makefile CUDA_PATH=/usr/local/cuda-11.0 ``` #### 6. **编译与验证** - 编译: ```bash make -j$(nproc) ``` - 验证 GPU 支持: ```bash ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights ``` *输出应包含 `CUDA-version: 11000`(表示 CUDA 11.0 已启用)*[^1]。 #### 7. **训练配置** - 数据集准备:按 YOLO 格式整理图片和标签。 - 修改配置文件: - `cfg/yolov3.cfg` 中设置 `batch=64` 和 `subdivisions=16`(根据 GPU 显存调整)。 - 启动训练: ```bash ./darknet detector train data/obj.data cfg/yolov3.cfg darknet53.conv.74 ``` *GPU 利用率可通过 `nvidia-smi` 监控*。
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