【安装记录】ubuntu18.04+cuda 9.1+NVIDIA 390

本文详细记录了在Ubuntu 18.04上安装CUDA 9.1和NVIDIA 390驱动的过程,包括降低gcc版本、安装CUDA的步骤、安装cudnn7.0.5,以及后续创建Anaconda环境和PyTorch的安装。由于特定版本问题,选择了通过Docker安装PyTorch,并使用PyCharm远程连接到Ubuntu的GPU环境进行开发。

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

1安装ubuntu

2安装NVIDIA Driver

参照https://zhuanlan.zhihu.com/p/36502449

https://blog.youkuaiyun.com/hhhuua/article/details/80734092

测试nvidia-smi

3安装ubuntu(因为装390版本,无法安装cuda9.2)

降低gcc版本https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html

gcc --version   # check ubuntu 18.04 gcc version, you will find it's 7.3.0
sudo apt install gcc-5 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50   # you will find that message that tells you the gcc-5 is set to be automatic.
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50   # similiar message as gcc

下载cuda 9.1的四个文件,并执行

### 安装 CUDA 9.1 在 Docker 中 为了在基于 Ubuntu 18.04 的 Docker 环境中安装 CUDA 9.1,可以通过创建自定义的 Docker 镜像来实现这一目标。以下是具体的实践方法: #### 创建 Dockerfile 文件 编写一个名为 `Dockerfile` 的文件,在其中指定基础镜像并执行必要的命令以安装 CUDA。 ```dockerfile FROM ubuntu:18.04 # 设置环境变量 ENV DEBIAN_FRONTEND=noninteractive \ CUDA_VERSION=9.1.85-1 # 更新包列表和安装依赖项 RUN apt-get update && apt-get install -y --no-install-recommends \ software-properties-common \ gnupg2 \ ca-certificates \ curl \ && rm -rf /var/lib/apt/lists/* # 添加 NVIDIA GPG key 和 APT repository RUN curl -fsSL https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub | apt-key add - RUN echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list # 安装 CUDA 工具包 RUN apt-get update && apt-get install -y --no-install-recommends \ cuda-core-${CUDA_VERSION} \ cuda-cublas-${CUDA_VERSION} \ cuda-curand-${CUDA_VERSION} \ cuda-nvrtc-${CUDA_VERSION} \ cuda-command-line-tools-${CUDA_VERSION} \ && ln -s /usr/local/cuda-9.1 /usr/local/cuda \ && ldconfig \ && rm -rf /var/lib/apt/lists/* \ && apt-get clean # 设置默认路径到 CUDA bin 目录 ENV PATH=/usr/local/cuda/bin:${PATH} CMD ["bash"] ``` 这段脚本会构建一个新的 Docker 映像,该映像包含了预配置好的 CUDA 9.1 开发工具集[^3]。 #### 构建与运行容器 完成上述操作之后,通过下面两条指令分别用于构建新的 Docker 映像以及启动交互式的 Bash shell 来测试新设置是否成功生效。 ```shell $ docker build -t my_cuda_image . $ docker run --runtime=nvidia -it --rm my_cuda_image bash ``` 这里假设已经正确设置了支持 GPU 加速功能的 Nvidia-Docker 运行时环境,并且主机上也已预先安好了相应的显卡驱动程序版本[^4]。
评论 1
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