『Linux笔记』Ubuntu16.04&18.04系统安装nvidia驱动,cuda,cudnn以及安装gcc！

Ubuntu16.04&18.04系统安装nvidia驱动,cuda,cudnn!

一、预备工作

• 查看系统的型号，可以看到系统为ubuntu16.04，64位的操作系统。

• 列出系统的所有显卡型号，通过使用lspci命令。

1.1. 查看检测到的驱动程序&卸载驱动

Ubuntu更新nvidia显卡驱动：https://blog.csdn.net/m0_38068876/article/details/127851813

显卡、显卡驱动版本、cuda版本和Pytorch相互之间的依赖关系：https://blog.csdn.net/qq_41888086/article/details/120496474

二、首先cuda的安装

我们这里不需要人为的安装一个显卡的驱动，因为cuda里面会自带一个比较新的显卡驱动，它可能并不是最新的显卡驱动，但是总的说来他还是可以使用的。

• 如果想单独安装可以参考这篇博客：Ubuntu16.04 RTX2080 安装NVIDIA驱动+cuda10.0+cudnn7.3.1

• lijilinxh

• 机器学习初学者！

• 阿里云镜像

• 2023 Ubuntu cudnn安装
  

• Ubuntu 20.04安装CUDA 11.0、 cUDNN 8.0.5、 PyTorch 1.7.0

• 首先在google里面搜索cuda10.0。链接：cuda10

• 链接：cudnn

• https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#prerequisites

• 找到cuda10.0

• 根据自己的系统选择合适的版本，我的选择如下，下载即可。

• 下载好之后。这里我是在windows中下载上传到服务器上面。

• 然后打开命令行，进入当前下载的文件目录下面，然后输入刚才的第一个命令。

• 现在第一条命令已经执行完成了，执行完之后有一个提示，我标记出来了。这个提示实际就是第二条命令。原来第二条命令中version是空着让自己填写的。所以如果你不知道version是多少，可以直接复制这个提示命令在下面执行。

• 现在只需要sudo apt-get update来更新一下源的列表，下面我们就可以安装cuda了。

• 执行结束之后。会显示上图中的。最后执行第四条命令，sudo apt-get install cuda。现在才是我们安装的主要的命令。安装完成之后显示如下：

我们安装完cuda之后，在linux环境下面，电脑是需要重新启动的，如果这里不重启的话，直接nvidia-可以看到已经有smi这个命令了。但是nvidia-smi这个命令是不能和显卡进行交互的。所以出现这个问题不需要在下载一个nvidia了，这个时候只需要重启一下系统。

三、其次cuda编译器nvcc安装

• 首先百度搜素cudnn，可能弹出一个让你注册登陆的界面，自己注册登陆就可以啦。

• 下载好之后，此时后缀名自为：.solitairetheme8。我们更改后缀名字卫.tgz。命令如下：

• 然后解压到当前目录下面。

• 大家在安装完cuda之后，通过nvidia-smi查看一下。

• 在我们验证完驱动安装好之后，我们来看一下cuda本身也就是nvcc编译器有没有安装好，可以发现这个命令提示nvcc是没有安装的，下面的提示：

   sudo apt install nvidia-cuda-toolkit

• 但是大家千万不要按照这个提示进行安装，如果你安装这条命令的话，你的cuda的版本是ubuntu自己维护的一个比较小的一个版本，像8点几啊，9点几啊，这样的一个小版本。这里并不是nvcc和cuda没有安装好，而是在我们10.0的一个cuda中间它可能更新了一下法则，他在一个16.04的ubuntu和cuda中间，它没有把nvcc这个命令更新到我们的PATH中间去，也就是说我们在终端里敲击任何一条命令，它其实对应着一个位置的程序，那这个未知去哪里检索呢？通过环境变量PATH，和我们windows是一样的，我们只需要把相应的路径添加到PATH中间去，它就可以被搜索到。

• 首先我们找一下nvcc命令所在的位置，可以发现cuda-10.0已经存在了。

• 我们进入到cuda-10.0/bin的目录下面去，ls一下可以看到nvcc这个命令已经存在。

• 我们可以./nvcc执行这个nvcc命令。我们需要把这个路径添加到PATH环境变量中间去。

• 可以进入到 vim ~/.bashrc这个文件下，这个文件就是保存当前用户下的PATH，我们把PATHt添加一下，然后拼接到$PATH (表示把以前的PAHT环境变量引进来，这样它会在PATH前面添加这样一个路径，保证不影响之前的PATH内容，又把我们新的程序路径添加到PATH中间去) 把添加nvcc所在的路径，具体如下，然后保存退出编辑。但是保存之后还没有刷新，我们使用source命令刷新一下，source ./.bashrc刷新一下。

• 现在再输入nvcc就可以搜索到了，为什么能够搜索到呢？我们看一下PATH,已经存在刚才的路径了。

• 到现在为止我们的一个显卡驱动已经安装好了，而且我们的cuda以及cuda的编译器nvcc也已经安装好了，

四、安装cudnn

NVIDIA Docs Hub NVIDIA cuDNN NVIDIA cuDNN Installation Guide:https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html

• 在第三部分中的cudnn解压完之后，我们来一下这个文件。

• 现在我们只需要把这个库的路径指定出来就可以了。也就是把这个库告诉我们的环境。怎么告诉它呢？我们只需要设定一个环境变量。我们之前设置的是PATH环境变量，现在设置一个新的环境变量为$LD_LIBRARY_PATH，现在这个环境变量为空，现在只需要把我们的环境变告诉cudnn。和刚才方法一样的。如下图：里面是个库的路径。

• 同样，保存之后还没有刷新，我们使用source命令刷新一下，source ./.bashrc刷新一下。

• 到这里为止，cudnn也已经安装好了。

五、cuda出错: libcudart.so.10.0: cannot open shared object file

• 问题描述： error while loading shared libraries: libcudart.so.8.0: cannot open shared object file: No such file or directory
• 解决办法：首先确认/etc/profile中的路径包含了cuda10.0的安装路径及相应的库文件

export PATH=$PATH:/usr/local/cuda-10.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-10.0/lib64

• 使配置文件生效，再次执行。

source /etc/profile

• 推荐这个方式配置：直接把cudnn里面的文件替换到cuda里面里。

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

六、安装Anaconda,Tensorflow和Pytorch

七、opencv安装

7.1、安装过程

• 首先进到opencv的官网（这里我安装的是4.1.0的版本）
• 官网详细步骤：https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html

• 然后

• 再然后

• Go to our downloads page.选择合适的版本

• 下载好解压之后，进入opencv文件夹；创建build文件夹。

• 安装依赖关系，看刚才的网址；

• 执行结束之后：显示如下就是安装成功！

• 接下来make一下，这个时间比较久；

直接make或者make -j16       ＃并行运行7个作业

• opencv安装视频参考： https://www.bilibili.com/video/av50744957?from=search&seid=3831921273561326166
• 安装错误：https://blog.csdn.net/ZT0518/article/details/83445308; https://www.cnblogs.com/liutianchen/p/6089878.html

7.2、测试例子

• 首先下载一张图片，这里的我的图片是one.png
• Create a program using OpenCV：DisplayImage.cpp

#include <stdio.h>
#include <opencv2/opencv.hpp>
using namespace cv;
int main(int argc, char** argv )
{
    if ( argc != 2 )
    {
        printf("usage: DisplayImage.out ./one.png\n");
        return -1;
    }
    Mat image;
    image = imread( argv[1], 1 );
    if ( !image.data )
    {
        printf("No image data \n");
        return -1;
    }
    namedWindow("Display Image", WINDOW_AUTOSIZE );
    imshow("Display Image", image);
    waitKey(0);
    return 0;
}

• Create a CMake file：CMakeLists.txt

cmake_minimum_required(VERSION 2.8)
project( DisplayImage )
find_package( OpenCV REQUIRED )
include_directories( ${OpenCV_INCLUDE_DIRS} )
add_executable( DisplayImage DisplayImage.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )

• Generate the executable

cd <DisplayImage_directory>
cmake .
make

• Result
  By now you should have an executable (called DisplayImage in this case). You just have to run it giving an image location as an argument, i.e.:

./DisplayImage lena.jpg

• 好文章推荐：https://www.pyimagesearch.com/2018/08/15/how-to-install-opencv-4-on-ubuntu/

八、Ubuntu降级gcc为4.8版本

8.1. 下载gcc/g++ 4.8

$ sudo apt-get install -y gcc-4.8
$ sudo apt-get install -y g++-4.8

8.2. 链接gcc/g++实现降级

$ cd /usr/bin
$ sudo rm gcc
$ sudo ln -s gcc-4.8 gcc
$ sudo rm g++
$ sudo ln -s g++-4.8 g++

补充

• https://blog.csdn.net/chengyq116/article/details/95256643
• 手动搜索驱动
• 阿里镜像站
• 更新并升级 sudo apt-get update && sudo apt-get upgrade

• 卸载安装过的驱动，执行命令：

sudo /usr/bin/nvidia-uninstall
sudo apt-get remove --purge nvidia*

• 关闭图形化界面

wang@zhangkf:~$ sudo service lightdm stop
[sudo] password for zhang:
strong@foreverstrong:~$

• 卸载驱动

sudo /usr/bin/nvidia-uninstall

• 查看电脑支持的驱动版本：

sudo apt-cache search nvidia*

• 查看 Ubuntu 推荐的驱动版本：ubuntu-drivers devices

== /sys/devices/pci0000:16/0000:16:00.0/0000:17:00.0/0000:18:10.0/0000:19:00.0 ==
manual_install: True
modalias : pci:v000010DEd00001E07sv000010DEsd000012A4bc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-418 - third-party free
driver   : nvidia-430 - third-party free recommended
driver   : nvidia-410 - third-party free
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-415 - third-party free

• BIOS 中务必关闭 Secure Boot。不然会出现 Unable to load the ‘nvidia-drm’ kernel module. 的报错。

参考文章：

• tensorflow2.0介绍以及安装！
• Win10系统下使用Anaconda安装TensorFlow以及linux上面卸载Anaconda操作
• ubuntu16.04中Anaconda下安装Pytorch(基于conda或pip)
• 若是想自己单独安装驱动可以参考这个此链接
• 或者https://www.cnblogs.com/myblog1993/p/9284071.html