Ubuntu系统配置深度学习环境之nvidia显卡驱动和cuda安装

前言

        NVIDIA 显卡驱动是为了确保 NVIDIA 显卡能够正确运行而开发的软件。显卡驱动负责与操作系统通信,管理显卡的各种功能,并提供性能优化和兼容性保证。安装适用于特定显卡型号和操作系统版本的最新驱动程序是确保显卡能够正常工作的重要步骤。

        CUDA 是 NVIDIA 推出的一种并行计算平台和编程模型。它充分利用 NVIDIA 显卡的并行处理能力,使开发人员能够通过编写并行计算任务来加速各种计算工作。CUDA 提供了一组编程接口和工具,使开发人员能够使用标准编程语言(如C/C++、Python)来开发并行计算应用程序。

        CUDA 依赖于 NVIDIA 显卡驱动的支持。安装正确的显卡驱动是为了确保 CUDA 开发平台能够顺利工作。通过 CUDA,开发人员可以利用 NVIDIA 显卡的强大算力来加速计算任务,从而提高性能和效率。

        因此,NVIDIA 显卡驱动和 CUDA 是相辅相成的,只有在正确安装并配置了适用的显卡驱动程序后,才能利用 CUDA 进行并行计算任务的开发和加速。

1、显卡驱动的安装及卸载

查看独立显卡驱动支持及其支持的最高cuda版本

nvidia-smi

若无输出表示驱动未安装,查询可用的驱动:

ubuntu-drivers devices

上述命令很可能什么都不显示,添加官方 ppa 的源,更新源后即可查询可用驱动:

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices

安装

第一种安装显卡驱动的方式(通过命令行安装)

自动安装推荐的驱动:

sudo ubuntu-drivers autoinstall

指定版本安装:

sudo apt install nvidia-driver-515  #指定安装515版本
第二种安装显卡驱动的方式(通过界面安装)

在ubuntu20.04 安装NVIDIA驱动比较简单,打开系统设置->软件和更新->附加驱动->选择NVIDIA驱动->应用更改,该界面会自动根据电脑上的GPU显示推荐的NVIDIA显卡驱动,选择需要的版本安装即可。

卸载

查看当前驱动、卸载驱动:

dpkg -l | grep nvidia           #查看当前驱动
sudo apt-get purge nvidia*      #卸载当前驱动   
sudo apt autoremove             #清理链接

2、安装Cuda

查看是否安装了cuda:

nvcc -V

输入nvcc-V后,若显示:Command 'nvcc' not found, but can be installed with:sudo apt install nvidia-cuda-toolkit,注意:千万不能使用sudo apt install nvidia-cuda-toolkit。

查看CUDA的位置:cd /usr/local,如果该目录下有CUDA文件夹或软链,表示已经安装了cuda,只需要添加cuda相关的环境变量即可。

打开、编辑环境变量的配置文件:

vim ~/.bashrc 

在文件末尾添加:

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

然后按:wq保存退出编辑模式。

刷新~/.bashrc文件使其生效:

source ~/.bashrc

重新使用nvcc命令查看CUDA版本:nvcc -V。

安装cuda的步骤

点击网址https://developer.nvidia.com/cuda-toolkit-archive,选择需要的CUDA下载。选择runfile(local),并使用生成的指令进行下载和安装。

wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run

若第1步提示Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing.选择continue,在下一步中点击回车键去除driver项,之后选择install。

安装完成后,显示如下:

在~/.bashrc文件中添加如下环境变量:

export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

验证是否安装成功:

nvcc -V

完毕!!!

        文章到此就结束了,下篇文章将的的如何安装cuda对应版本的cudnn,因为安装cudnn适合99%的linux系统,所以单独拿出来讲解,cudnn详细安装讲解请看下篇文章:Linux系统配置深度学习环境之cudnn安装

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Ubuntu 上配置深度学习环境可以分为以下几个步骤: 1. 安装 NVIDIA GPU 驱动程序 如果你的机器有 NVIDIA 显卡,建议安装官方的 NVIDIA 驱动程序,以获得更好的性能。可以通过以下命令安装: ``` sudo apt-get install nvidia-driver-<version> ``` 其中 `<version>` 是驱动版本号,可以通过 `apt-cache search nvidia-driver` 命令查看可用版本。 2. 安装 CUDA 和 cuDNN CUDANVIDIA 提供的用于 GPU 加速的计算平台,cuDNN 是用于深度学习的库。可以从 NVIDIA 官网下载对应版本的 CUDA 和 cuDNN,并按照官方文档进行安装。 3. 安装 Anaconda Anaconda 是一个常用的 Python 发行版,包含了很多常用的科学计算库。可以从 Anaconda 官网下载对应版本的 Anaconda,并按照官方文档进行安装。 4. 创建一个虚拟环境 创建一个虚拟环境可以避免与系统中其他 Python 应用程序产生冲突。可以使用以下命令创建一个名为 `myenv` 的虚拟环境: ``` conda create -n myenv python=<version> ``` 其中 `<version>` 是 Python 版本号。 5. 激活虚拟环境 创建虚拟环境后需要激活才能使用。可以使用以下命令激活名为 `myenv` 的虚拟环境: ``` conda activate myenv ``` 6. 安装深度学习库 可以使用 Anaconda 提供的 `conda` 命令安装常用的深度学习库。例如,可以使用以下命令安装 TensorFlow: ``` conda install tensorflow-gpu ``` 7. 测试深度学习环境 安装完成后,可以使用 Python 进行测试,确保深度学习库可以正常使用。可以创建一个 Python 脚本,导入所需的库并运行一些基本的深度学习代码进行测试。 以上是在 Ubuntu 上配置深度学习环境的基本步骤,具体的安装方法可以根据需要进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

番茄小能手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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