debian安装驱动,cuda

在本文中,作者记录了在Debian系统上安装CUDA驱动440.64、CUDA 10.0.130和cudnn 7.4.2的过程,以及在此过程中遇到的问题和解决方案。由于官方推荐的CUDA版本与TensorFlow 2.0.0及tensorflow-gpu 1.14.0不兼容,作者经历了多次重装。关键步骤包括禁用原有驱动、安装NVIDIA驱动、配置环境变量,并在安装CUDA时遇到gcc版本不兼容的问题,但通过特定命令解决了这一问题。

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

  • 本文只为记录,不是教程
  • 要安装的版本:
    驱动版本:440.64
    cuda版本:10.0.130
    cudnn版本:7.4.2
    tensorflow:2.0.0
    tensorflow-gpu:1.14.0
  • 历史版本

cuda历史版本下载地址

cudnn历史版本下载地址

电脑是GTX 950M,官网匹配的cuda版本是10.2,但是想要搭建tf深度学习框架现在支持的cuda只到10.0,而且直接安装10.2是正常的,但是安装10.0版本的,遇到了Installation Failed. Using unsupported Compiler.问题,导致电脑重装3次。。
教训就是:linux没有那么脆弱,别动不动就重装!!!

安装驱动

  • 禁用原本驱动
sudo vim /etc/modprobe.d/blacklist.conf
# 添加:
blacklist nouveau
options nouveau modeset=0
  • sudo update-initramfs -u
  • 重启
  • 验证
lsmod | grep nouveau
  • 安装nvidia驱动
  • 源(个人经验:要注释掉原来一行,并解开以deb开头的一行):
# src
deb http://mirrors.aliyun.com/debian/ buster main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ buster main non-free contrib
deb http://mirrors.aliyun.com/debian-security buster/updates main
deb-src http://mirrors.aliyun.com/debian-security buster/updates main
deb http://mirrors.aliyun.com/debian/ buster-updates main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ buster-updates main non-free contrib
deb http://mirrors.aliyun.com/debian/ buster-backports main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ buster-backports main non-free contrib

# sudo apt-get update
# sudo apt-get upgrade
# sudo apt install aptitude


# 命令:
sudo ./NVIDIA***.run --no-opengl-files --no-x-check --no-nouveau-check
  • 验证
# 1、
sudo apt-get install mesa-utils
# 2、
glxinfo | grep rendering  
# 3、
$ nvidia-smi
Sun Mar 22 11:23:06 2020       
+------------------------------------------------------------
### Linux系统中安装NVIDIA显卡驱动及配置CUDA环境 #### 准备工作 在开始之前,确保系统的图形界面已关闭并进入命令行模式。如果当前正在运行图形化桌面环境,则需要先停止该服务。例如,在Ubuntu或其他基于Debian的发行版中可以使用以下命令来停止GDM(GNOME显示管理器): ```bash sudo systemctl stop gdm ``` 对于其他显示管理器如LightDM或SDDM,替换`gdm`为相应的名称。 #### 卸载旧版本驱动程序 为了防止新旧驱动冲突,建议先移除任何现有的NVIDIA驱动程序及其关联组件。可以通过APT包管理系统完成此操作: ```bash sudo apt-get purge nvidia* ``` 这一步骤会彻底清除所有与NVIDIA相关的软件包[^2]。 #### 黑名单开源 Nouveau 显卡驱动 由于许多Linux发行版默认加载了开源的Nouveau驱动程序,而它可能与专有的NVIDIA驱动发生冲突,因此有必要将其列入黑名单。编辑模块黑名单配置文件 `/etc/modprobe.d/blacklist.conf` 并添加如下内容: ```plaintext blacklist nouveau options nouveau modeset=0 ``` 随后更新初始化RAM磁盘以应用更改: ```bash sudo update-initramfs -u ``` 重启计算机使设置生效[^4]。 #### 下载官方 NVIDIA 驱动程序 访问[NVIDIA官方网站](https://www.nvidia.com/Download/index.aspx),找到适用于您硬件的具体驱动版本号,并下载对应的`.run`脚本文件到本地机器上。比如针对不同架构有专门编译好的二进制镜像可供选择。 #### 安装过程 给予刚刚获取来的驱动安装包可执行权限之后再启动实际安装流程: ```bash chmod +x NVIDIA-Linux-x86_64-*.run sudo ./NVIDIA-Linux-x86_64-*.run --no-opengl-files ``` 这里参数 `--no-opengl-files` 表示不覆盖系统中原有的OpenGL库文件以防万一引起兼容性问题[^1]。 #### CUDA Toolkit 的部署 当GPU驱动成功就位以后就可以着手准备搭建深度学习框架所需的计算平台——即CUDA工具集。同样地从官网链接处挑选适合目标主机的操作系统以及对应版本进行下载解压后按照提示一步步向前推进直至结束为止[^3]。 最后验证整个链路是否正常运作可通过简单测试样例实现确认目的。 ---
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