一. NVIDIA显卡驱动
参考: https://www.cnblogs.com/abelsu/p/10625616.html
1. 安装前准备
(1). 检查是否有卡
一般购入电脑时就能有所了解,并且带有该显卡的电脑,都会有NVIDIA的绿色标识贴在机身上,只需要进一步确认就可以:
$ lspci | grep -i nvidia
如果输出有带NVIDIA字符就可以了。
(2). 关闭Security Boot
重启电脑,在开机过程中连续敲击某个键进入BOIS设置,我的是F2,有的电脑是F6,F12等,不确定的可以根据电脑情况查一下。
选择Security Boot一栏,回车将Enable改为Disable。
2. 安装NVIDIA显卡驱动
(1). 禁用nouveau
可以先检查一下是否禁用,我的在安装系统时就一并禁用了:
$ lsmod | grep nouveau
没有输出则证明被禁用了。
如果有输出,则执行:
$ sudo gedit /etc/modprobe.d/blacklist.conf
在文末添加:blacklist nouveau,保存关闭后执行:
$ sudo update-initramfs -u
重启电脑再执行:
$ lsmod | grep nouveau
(2). 把显卡驱动加入PPA:
卸载系统里的低版本驱动:
$ sudo apt-get purge nvidia*
$ sudo add-apt-repository ppa: graphics-drivers
$ sudo apt-get update
(3). 查找本电脑中NVIDIA显卡驱动最新版本号:
$ sudo apt-cache search nvidia
(4). 查看Ubuntu推荐的驱动版本:
$ Ubuntu-drivers devices
我的推荐是nvidia-driver-440。
(5). 打开软件和更新,点击附加驱动,选择使用推荐版本的选项,进行应用更改。
(6). 重启电脑执行:
$ nvidia-smi
我的配置只能用CUDA-10.2的版本,而目前的pytorch只能下载10.1版本,这是一个比较麻烦的问题,可能导致pytorch安装失败。
二. CUDA-10.2
1. 下载CUDA Toolkit 10.2
(1). 查看gcc,Kernel Header和Development
$ gcc --version
没有则安装:
$ apt install gcc
$ uname -r
确保Kernel Header与正在运行的Kernel相互匹配:
$ sudo apt-get install linux-headers-$(uname -r)
(2). 下载和安装CUDA
打开NVIDIA官网(https://developer.nvidia.com/cuda-downloads),在标有Select Target Platform的绿色表格内根据自己的配置情况进行选择,如我选的是:
Operating System:Linux
Architecture:x86_64
Distribution:Ubuntu
Version:18.04
Installer Type:deb(local)
一般来说下载方式选runfile(local)更容易成功,但deb比较稳妥。
选择结束之后下方的Download Installer for Linux Ubuntu 18.04 x86_64绿色表格中会出现名为Base Installer的嵌入式表格,复制其中给出的Installation Instructions到terminal进行安装即可。
文件大小约2.46G,最好保存到没有中文的目录下,以免出现之后乱码或其他问题。
(3). 查看文件是否下载完整
下载完成后点击嵌入式表格下方的Installer Checksums,查看校验码。在teiminal输入:$ md5sum ccuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb,得到下载之后的校验码。
对比二者无异则证明下载完整。
(4). 添加环境变量
打开cuda-10.2所在位置:
$ cd /usr/local/cuda-10.2/bin
找到nvcc,在terminal打开,输入:
$ vi ~/.bashrc
按a由只读改为插入,添加环境变量:
export PATH=”/usr/local/cuda-10.2/bin:$PATH”
输入命令验证是否配置好:
$ source ~/.bashrc
$ echo $PATH
(5). 测试是否安装成功
在终端输入:
$ cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery
显示结果如图则证明安装成功。
三. cuDNN
参考:https://blog.csdn.net/u010801439/article/details/80483036
1. 下载和安装cuDNN
打开NVIDIA官网(https://developer.nvidia.com/cudnn),选择download cuDNN,这里需要登录才能进行下载,所以选择Login,没有账号则创建账号,有则直接登录。
选择for CUDA 10.2的cuDNN版本,选择其中的cuDNN Library for Linux下载,这个文件是基础文件。
下载完成后在