云服务器Ubuntu20.04配置NVIDIA驱动+CUDA+cudnn+Anaconda

踩坑很多次,并且重装多次系统后,含泪记录!!!!

云服务器申请下来,没有NVIDIA驱动,使用nvidia-smi验证。

nvidia-smi

如果未识别命令,那么证明你的系统没有NVIDIA支持的驱动。

查看你服务器支持的NVIDIA驱动版本,查看你的显卡型号就行了,下载驱动的时候需要你的显卡版本。

lspci | grep -i nvidia

查看你的Linux版本号、gcc版本以及Ubantu版本。

cat /proc/version

安装NVIDIA驱动

NVIDIA驱动下载地址:GeForce® 驱动程序

进去界面后,按照之前获得的显卡型号、系统版本等填写,填写完成后,点击开始搜索,之后按需下载。

不要禁用nouveau!!!!!!!!!!!!

就是这个禁用,因为原先用的服务器都是实体机并且配备屏幕(有图形界面的那种),所以我依旧哼着小曲,按照收藏的教程一步一步操作,禁用nouveau最后一步要重启reboot,我也是丝毫不犹豫,输入命令按下回车,结果!!!!!!悲剧了,云服务器SSH连接断开了,而且重启之后还是连接不上,最后无奈重装系统才重新连上。

所以也是又学习到了,云服务器不要使用reboot进行重启,会导致数据丢失,或者系统崩溃。

所以在这部分在云服务器上是不用配置的。(至少不要重新启动,或者在控制台进行重启)

因为是云服务器所以也没有图形界面,禁用图形界面的操作也就省略了。

cd到你下载驱动的文件路径

给你下载的NVIDA驱动添加权限:

sudo chmod  a+x NVIDIA-Linux-x86_64-525.105.17.run 

安装,不需要X校验,不需要安装Opengl

sudo ./NVIDIA-Linux-x86_64-525.105.17.run -no-x-check  -no-opengl-files

–no-opengl-files 参数必须加否则会循环登录,也就是loop login

安装过程中会出现很多的选项页面,我只列出我遇到的,而且个人建议遇到没有见过的页面,直接去上网查看如何选择。

查看GCC是否安装

gcc --version

没有用反应,表示服务器未安装GCC

安装gcc

sudo apt install gcc

 继续安装显示了

代表未安装make

sudo apt install make

 继续安装

 选择OK

选择NO

 

选择 Rebuild initramfs

选择Yes 

显示安装成功,选择OK

验证安装

nvidia-smi

 

证明安装成功

安装 CUDA

我的项目需要再CUDA11.8环境下运行,所以安装CUDA11.8

进入CUDA官网:CUDA Toolkit Archive

选择你需要的版本,我这里选11.8

跳转到如下界面

通过他给出的 Installation Instructions进行安装,这个连接的下载速度还是很快的,稍等一下就行可以下载成功。文件比较大,安装成功后可以移除。

输入accept

因为已经安装了驱动,所以不选则Driver,选择Install 

验证CUDA安装

nvcc -V

未显示CUDA版本

添加系统路径

进入bashrc文件

sudo nano ~/.bashrc	

在最后添加

#将下面两行插入到文件末尾
export PATH=/usr/local/cuda-11.8/bin:$PATH						
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

 Ctrl+X,按Y,按回车

source ~/.bashrc	#更新文件

再次验证CUDA安装

nvcc -V

 

证明安装成功 

安装cudnn

进入cudnn的官网:cuDNN Archive

选择CUDA的对应的版本和系统对应的版本下载

解压下载的文件

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz

进入文件夹

cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive
sudo cp include    /usr/local/cuda-11.8/include
sudo cp lib/libcudnn*    /usr/local/cuda-11.8/lib64
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn.h   /usr/local/cuda-11.8/lib64/libcudnn*

验证是否安装成功

cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

安装成功

Anaconda安装

 进入镜像网站下载:Anaconda版本

下载你需要的版本后设置权限

 sudo chmod +x Anaconda3-2024.06-1-Linux-x86_64.sh
sudo sh Anaconda3-2024.06-1-Linux-x86_64.sh

输入yes

输入回车

输入回车

验证是否安装成功

conda activate

添加系统路径

sudo nano ~/.bashrc

在最后添加

export PATH="$HOME/anaconda3/bin:$PATH"

 更新环境

source ~/.bashrc

再次验证

conda activate

conda init

 

source ~/.bashrc

 

成功安装。

至此NVIDIA驱动、CUDA、 cudnn和Anaconda都已安装成功!!!!!!!!!

### 如何在云服务器 Ubuntu 20.04 上安装 MuJoCo #### 准备工作 确保云服务器已经更新到最新状态,并且已安装必要的依赖项。可以使用如下命令来完成这些操作: ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install libgl1-mesa-glx -y ``` #### 下载和配置 MuJoCo 按照官方指导,首先需要获取 MuJoCo 的许可证密钥文件 `mjkey.txt` 和对应的库文件压缩包。 - 访问 [MuJoCo 官方网站](https://www.roboti.us/index.html),注册账号并登录。 - 进入账户页面下载适用于 Linux 平台的 MuJoCo 版本以及激活所需的 `mjkey.txt` 文件[^1]。 #### 解压与环境变量设置 将下载好的 `.tar.gz` 压缩包上传至服务器指定目录(例如 `/home/user/mujoco`),并通过 SSH 终端解压该文件夹: ```bash mkdir ~/mujoco tar -xf mujoco210-linux-x86_64.tar.gz -C ~/mujoco/ mv mjkey.txt ~/mujoco/bin/ # 将授权文件放置于 bin 目录下 ``` 接着编辑用户的 shell 配置文件(如 `.bashrc` 或者 `.zshrc`),添加以下路径以便能够正常使用 MuJoCo 库: ```bash echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/mujoco/bin' >> ~/.bashrc source ~/.bashrc ``` #### Python 接口安装 为了能够在 Python 中调用 MuJoCo API,则还需要额外安装 `mujoco-py` 包。推荐通过 pip 工具来进行此步骤的操作: ```bash pip install mujoco_py --no-deps ``` 注意这里加上了参数 `--no-deps` 是为了避免重复安装一些可能已经在系统中存在的依赖关系。 #### 测试安装成果 最后可以通过简单的测试脚本来验证整个流程是否顺利完成。编写一段简短的 Python 程序用于初始化模拟器实例并渲染一帧画面即可。 ```python import mujoco_py as mjp from mujoco_py import load_model_from_path, MjSim, MjViewer model = load_model_from_path('xml_files/humanoid.xml') # 替换成实际存在的 XML 文件路径 sim = MjSim(model) viewer = MjViewer(sim) for _ in range(100): sim.step() viewer.render() ``` 以上就是在云服务器 Ubuntu 20.04 上部署 MuJoCo 所需的主要步骤。
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