Linux下 NVIDIA显卡驱动 + CUDA + Anaconda 安装配置全流程（记录深度学习服务器环境从零开始搭建）

Frost_216

已于 2022-07-04 09:28:04 修改

阅读量5.2k

点赞数 16

分类专栏： Linux环境部署文章标签：服务器深度学习运维 linux

于 2022-06-18 13:08:46 首次发布

本文链接：https://blog.csdn.net/Frost216/article/details/125344599

版权

Linux环境部署专栏收录该内容

7 篇文章 0 订阅

订阅专栏

一 NVIDIA显卡驱动

1.下载

第一步我们先安装NVIDIA显卡驱动，进入NVIDIA驱动下载官网，挑选适配设备的驱动文件并下载

官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/index.aspx?lang=cn

下载的应是一个 .run 文件

下载完成后，通过ftp上传至服务器

2.安装

（1）禁用nouveau

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

对blacklist.conf进行编辑，在blacklist.conf里新增

blacklist nouveau
options nouveau modeset=0

然后重启服务器（reboot）

重启后使用以下命令，若无输出，即已屏蔽nouveau

lsmod | grep nouveau

（2）安装 .run 文件

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

sudo chmod a+x NVIDIA-Linux-x86_64-470.82.01.run

sudo ./NVIDIA-Linux-x86_64-470.82.01.run -no-x-check -no-nouveau-check -no-opengl-files

开始安装

可能会碰到 cc 版本不匹配、显示 xorg 、32位等等等问题，可忽略

安装进度

安装完成

使用

nvidia-smi

进行测试，下图即代表安装成功，显卡全部通过驱动读取出来了

二 CUDA

1.下载

我们选择与你安装的驱动版本相兼容的版本下载（查看驱动版本与CUDA对应点此链接→ Release Notes :: CUDA Toolkit Documentation (nvidia.com)）

通常我们直接进入NVIDIA Developer网站查看 CUDA toolkit 安装都是最新版

以下链接为所有历史 CUDA 版本，你可以根据选择合适的 CUDA 版本下载
CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

比如我要下载 CUDA 11.1 点击进入 CUDA 11.1 的下载导航

配置好红框中参数后下面会生成对应系统的安装指令

服务器 cd 到保存其安装包的目录下执行对应命令（这里命令对应的是我的 CUDA 11.1 版本的）

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

运行即可下载，下图为下载好之后的 .run 文件

2.安装

（1）安装CUDA

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

sudo chmod a+x cuda_11.1.0_455.23.05_linux.run

sudo ./cuda_11.1.0_455.23.05_linux.run --no-opengl-libs --librarypath=/usr/local/cuda-11.1

开始安装，进入安装界面

我们输入 accept，进入这个界面

这里我们需要注意，CUDA在这里会默认帮我们安装驱动，由于我们已经安装好 NVIDIA驱动，第一行需要取消安装（我们不建议使用 CUDA 默认安装驱动，可能会出现一系列问题）

取消默认安装驱动后，如下图

光标移动到 Install 上回车，进入安装

完成安装

（2）配置环境变量

安装完成后，还需要配置环境变量

安装之后，我们进入 usr/local 目录，可以看到已经有了 cuda 和 cuda-11.1 两个文件夹，已经通过软链接的方式将 cuda11.1 配置为默认使用 cuda 了

打开环境变量配置文件

vim ~/.bashrc

在文件最下面加两行，保存

# cuda
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后激活配置文件

source ~/.bashrc

使用命令测试 CUDA 是否配置完成

nvcc -V

正确输出即代表 CUDA 安装配置完成

三 Anaconda

1.下载

进入 Anaconda 官网选择对应 Linux 平台下载安装包

Anaconda | Anaconda Distributionhttps://www.anaconda.com/products/distribution

下载完成后使用 ftp 上传服务器

2.安装

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

chmod +x Anaconda3-2021.11-Linux-x86_64.sh

sudo ./Anaconda3-2021.11-Linux-x86_64.sh

进入安装导航，这里需要一直回车

一直回车一直回车

... ... ...

直到这一步，需要我们输入，停止回车，输入 yes

这里直接回车默认安装在 /当前用户名/anaconda3 路径下

若要修改安装路径直接输入你想安装到的路径即可

这里我们也输入 yes 表示帮助我们配置 anaconda 的初始环境变量

安装完成，但是安装完成后，我们发现依然无法识别 conda 命令

那是因为环境变量文件配置了，但没有激活，执行以下命令激活环境变量配置文件 ↓

source ~/.bashrc

此时已经出现（base）虚拟环境

再使用 conda 命令如 conda info，即我们已完成全部安装

其实配置的环境变量

vim ~/.bashrc

如图

部分如果出现配置文件安装位置问题导致无法激活环境变量的，请尝试在配置文件最下面加一行 ↓

export PATH="$PATH:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games"

可能可以解决此类问题

四结语与后续

至此，深度学习服务必不可少的三件套已安装配置完成，后续会更新更详细的使用配置步骤，感兴趣的可以关注我

同时，有深度学习计算机视觉 CV 方向问题需要讨论的也可以评论区留言，非常乐意与各位大佬们讨论交流

Frost_216

关注

16
点赞
踩
42

收藏

觉得还不错? 一键收藏
打赏
4
评论
Linux下 NVIDIA显卡驱动 + CUDA + Anaconda 安装配置全流程（记录深度学习服务器环境从零开始搭建）

本帖旨在记录一次从零开始搭建深度学习Linux服务器所需全部环境的过程希望一个帖子可以解决你配置环境的所有问题，成为你的环境搭建向导
复制链接

扫一扫