Deepin15.11安装cuda10.1+tensorflow2.1

本文提供了一步一步的指南,用于在Linux系统上安装NVIDIA的CUDA 10.1,包括禁用nouveau驱动,安装NVIDIA驱动程序,配置cuDNN,以及验证CUDA和GPU的可用性。

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

1.检验版本

基于以上对应关系,在NVIDIA官网下载对应的驱动文件——cuda_10.1.243_418.87.00_linux.run

###实际我的系统中gcc,g++版本是deepin默认版本6.3.0,也可以安装成功,不一定是表中的7.3###

2.安装显卡驱动

2.1 禁止nouveau

  • 打开终端,sudo nano /etc/modprobe.d/blacklist.conf
    or 以前装过显卡驱动的执行sudo nano /etc/modprobe.d/nvidia-installer-disable-nouveau.conf
  • 在打开的blacklist.conf文件中添加如下内容:
    blacklist nouveau
    options nouveau modeset=0
    
    ctrl+o ->回车,确认保存,ctrl+x退出
    执行命令:sudo update-initramfs -u,等到检测结束
  • reboot reboot
    重启要是黑屏无法进入的话,再次重启,当系统在grub引导项(即选择哪个系统起作用)时,按住键盘“e”进入加载程序文档,在linux boot那一行的splash后面插入:3 nomodeset,然后按下f10,此时系统进入了命令行模式,输入你的帐户密码即可。

2.2关闭桌面环境

  • 在终端输入sudo service lightdm stop

2.3 执行安装驱动nvidia-driver

  • 如果之前安装过其他版本,请先卸载
    sudo chmod +x ./cuda_10.1.243_418.87.00_linux.run
    sudo ./cuda_10.1.243_418.87.00_linux.run
    
    等待一会进入UI界面,通过空格键只选择nvidia-driver安装,等待安装成功提示。
  • reboot
    重启后进入桌面,打开终端,执行nvidia-smi在这里插入图片描述
    执行ls /dev/nvidia*,显示:/dev/nvidia0 /dev/nvidiactl /dev/nvidia-modeset

2.4 安装cuda toolkit 10.1

在终端执行sudo bash cuda_10.1.243_418.87.00_linux.run --no-opengl-libs
在弹出的UI中,不选择nvidia-driver,其余都选安装
在这里插入图片描述

2.5添加环境,并验证

  • sudo nano .bashrc,在末尾添加以下内容:
    export PATH=/usr/local/cuda-10.1/bin:/usr/local/cuda-10.1/nsight-compute-2019.4.0${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    
    source .bashrc
  • 重新打开终端,执行:nvcc -V
    在这里插入图片描述
  • 打开终端,执行
    cd ~/NVIDIA_CUDA-10.1_Samples/1_Utilities/deviceQuery
    make
    ./deviceQuery
    
    在这里插入图片描述
    则toolkit安装完毕

3.安装cudnn7.6

  • 下载对应cudnn版本,官网cudnn7.6
  • 解压该文件,tar zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
  • 执行:
    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 
    sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
    
  • cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
    在这里插入图片描述

至此,所有驱动安装完毕。下面检验tensorflow-gpu是否执行正确,在conda tf2环境下执行>>> tf.test.is_gpu_available(),会显示True

【参考】

评论 2
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