ubuntu18.04下部署x_86显卡GTX1650 +cuda 11.4.1

1、查看电脑显卡版本

查看命令:

lspci | grep -i vga

在这里插入图片描述
进入网址:http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci 输入2188查询显卡版本。
在这里插入图片描述
在这里插入图片描述
查询到此电脑的显卡是GeForce GTX 1650。

2、下载、安装显卡驱动

1) 进入NVIDIA官网下载显卡驱动:https://www.nvidia.cn/Download/index.aspx?lang=cn

在这里插入图片描述
在这里插入图片描述

2)安装显卡驱动
2.1 给驱动文件添加权限:
chmod +x NVIDIA-Linux-x86_64-470.103.01.run
2.2 执行安装:
sudo ./NVIDIA-Linux-x86_64-470.63.01.run -no-x-check -no-nouveau-check -no-opengl-files

一直按回车,有error解决error
在这里插入图片描述
出现error:
在这里插入图片描述
解决方案:参考 https://blog.youkuaiyun.com/wohu1104/article/details/107032493
关掉nouveau 服务:

sudo vim /etc/modprobe.d/blacklist.conf

添加以下内容

blacklist nouveau
options nouveau modeset=0

更新生效:sudo update-initramfs -u
重启:sudo reboot

问题2:

在这里插入图片描述
大概意思就是说kernel是gcc-7.5构建的,但是编译驱动gcc是9.4.5,不兼容。
解决方案:

1) 下载gcc-7 和 g+±7
sudo apt-get install gcc-7 g++-7
2)把gcc-7加入到gcc表中
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 10 --slave /usr/bin/g++ g++ /usr/bin/g++-7

以上,10代表的是优先级数值,–slave能保证gcc与g++保持相同版本。

3) 使用命令设置gcc版本:
sudo update-alternatives --config gcc
4) 验证是否修改成功
gcc --version
g++ --version
5) 删除某个gcc版本的选项的话,可以使用
sudo update-alternatives --remove gcc /usr/bin/gcc*

问题3:出现无法安装兼容32位的库在这里插入图片描述

出现无法安装32位兼容库(Unable to find a suitable destination to install 32-bit compatibility libraries.),由于系统是64位系统,因此应该是无关紧要的,继续即可。

问题4:yes

在这里插入图片描述

2.3、安装完成后sudo reboot重启电脑,设置生效
2.4、输入nvidia-smi 如果有显卡信息输出代表驱动安装完成。

在这里插入图片描述

3、安装cuda11.4

3.1. 下载cuda版本:https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述

3.2. 选择11.4.1版本,下载deb(local)版本

在这里插入图片描述
命令安装:

$wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
$sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
$wget https://developer.download.nvidia.com/compute/cuda/11.4.1/local_installers/cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
$sudo dpkg -i cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
$sudo apt-key add /var/cuda-repo-ubuntu1804-11-4-local/7fa2af80.pub
$sudo apt-get update
$sudo apt-get -y install cuda

运行 sudo apt-get -y install cuda出现错误:
在这里插入图片描述
问题直接原因应为/swap分区的UUID被修改后而没有加入RESUME file
解决方法:https://blog.youkuaiyun.com/qq_39531155/article/details/113086983

1) 首先使用如下命令打印/swap分区的UUID号,比对一下确认和上面的系统打印输出一致,锁定为该问题
blkid | awk -F\" '/swap/ {print $2}'
2)然后使用如下命令写入/swap分区的UUID号
printf "RESUME=UUID=$(blkid | awk -F\" '/swap/ {print $2}')\n" | sudo tee /etc/initramfs-tools/conf.d/resume
3) 最后更新内核文件
sudo update-initramfs -u
3.3 配置环境
$echo 'export PATH=/usr/local/cuda-10.0/bin/:$PATH'>>~/.bashrc
$echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH'>>/.bashrc
$source ~/.bashrc
3.4 验证cuda安装完成
nvcc -V
### GTX1050 显卡CUDA 及 cuDNN 的兼容性及配置 对于配备 GTX1050 或 GTX1050Ti 显卡的计算机来说,确实存在一些关于 CUDA 版本的支持问题。尽管官方文档可能未列出 GTX1050Ti 支持的具体 CUDA 版本,实际上该显卡支持 Pascal 架构并能够运行多个版本的 CUDA。 #### 验证 GPU 是否支持特定 CUDA 版本 建议先通过命令 `nvidia-smi` 来验证当前已安装的 NVIDIA 驱动程序及其对应的 CUDA 能力[^4]。此操作有助于确认系统环境是否满足后续软件包的要求。 #### 安装合适的 CUDA 工具包 考虑到 GTX1050 属于较新的帕斯卡架构系列之一,推荐安装 CUDA 9.0 或更高版本来获得最佳性能和支持特性[^2]。具体步骤如下: - 下载适用于 Windows 平台的 CUDA Toolkit 9.0 (或更新版); - 执行默认安装流程直至完成; ```bash # 使用管理员权限打开 PowerShell 或 CMD 后执行以下命令以查看安装情况 nvcc --version ``` #### 设置环境变量 确保将新安装的 CUDA 库路径加入到系统的 PATH 环境变量中以便全局访问这些工具和库文件[^3]: | 类型 | 路径 | | --- | --- | | Binaries | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin | | Include Headers | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include | | Libraries | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64 | #### 安装匹配版本的 cuDNN SDK 根据所选 CUDA 版本下载相应的 cuDNN v7.x 版本,并按照说明将其解压至上述相同目录下。注意保持两者之间的版本一致性以免引起冲突或其他潜在错误。 #### 测试 TensorFlow-GPU 功能 最后一步是在 Anaconda 中创建一个新的 Python 环境并安装 tensorflow-gpu 包测试整个链路是否正常工作: ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) print("Num GPUs Available:", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果一切顺利,则应能看到输出显示 Tensorflow 成功检测到了可用的 GPU 设备。
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