0Ubuntu升级内核后显卡丢失的处理
(1)先删除显卡驱动
sudo apt-get purge nvidia*
(2)再自动安装
sudo ubuntu-drivers autoinstall
(3)再重启
sudo reboot
-----------------------------------------------------------------------------
1/参考了
https://blog.csdn.net/weixin_37926734/article/details/123033286
2、显卡驱动安装
(1)安装驱动
sudo ubuntu-drivers autoinstall
3、安装cuda
(2)安装cuda可以用迅雷下载了再安装
sudo sh cuda_11.7.0_515.43.04_linux.run
参照最上面的教程进行安装,安装后进行配置
CUDA安装完成后,需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc
打开如下图所示的.bashrc
文件。
然后,如下图所示在.bashrc
文件的最后添加以下CUDA环境变量配置信息
sudo gedit ~/.bashrc
在最后面输入
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
最后输入
source ~/.bashrc
而后输入下面命令查看是否安装成功
nvcc -V
#查看CUDA的安装信息
4、安装cudnn
https://developer.nvidia.com/rdp/cudnn-archive
下载了.deb的包(上面2个包都可以用迅雷下载)
sudo dpkg -i cudnn-local-repo-ubuntu2004-8.4.1.50_1.0-1_amd64.deb
正在选中未选择的软件包 cudnn-local-repo-ubuntu2004-8.4.1.50。
(正在读取数据库 ... 系统当前共安装有 204785 个文件和目录。)
准备解压 cudnn-local-repo-ubuntu2004-8.4.1.50_1.0-1_amd64.deb ...
正在解压 cudnn-local-repo-ubuntu2004-8.4.1.50 (1.0-1) ...
正在设置 cudnn-local-repo-ubuntu2004-8.4.1.50 (1.0-1) ...
The public CUDA GPG key does not appear to be installed.
To install the key, run this command:
sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.50/cudnn-local-E3EC4A60-keyring.gpg /usr/share/keyrings/
sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.50/cudnn-local-E3EC4A60-keyring.gpg /usr/share/keyrings/
而后到/var/cudnn-xxx目录下面
sudo dpkg -i libcudnn8_8.4.1.50-1+cuda11.6_amd64.deb
sudo dpkg -i libcudnn8-dev_8.4.1.50-1+cuda11.6_amd64.deb
sudo dpkg -i libcudnn8-samples_8.4.1.50-1+cuda11.6_amd64.deb
先安装以下依赖,再测试以下是否安装成功了,否则可能提示: cudnn fatal error: FreeImage.h: 没有那个文件或目录
sudo apt-get install libfreeimage3 libfreeimage-dev
而后进入/usr/src/cudnn_samples_v8/mnistCUDNN/ 中
sudo make clean
sudo make
最后测试以下
./mnistCUDNN
出现 Test passed! 代表 cudnn 正常使用
5、安装tensorrt
(1)可以迅雷下载自己想要的
https://developer.nvidia.com/nvidia-tensorrt-8x-download
TensorRT-8.4.3.1.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz
(2)在home下面建一个tensorrt目录以后就不动了,先解压
tar xzvf TensorRT-${version}.Linux.${arch}-gnu.${cuda}.${cudnn}.tar.gz
(3)根据自己的真实情况然后添加环境变量:设置路径
sudo gedit ~/.bashrc
# 换成你自己的路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TensorRT-${version}/lib>
如:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/chen/tensorrt/TensorRT-8.4.3.1/lib
# 保存关闭
source ~/.bashrc
(4)先安装anaconda然后创建虚拟环境,再安装下面的操作。
主要参考了
https://blog.csdn.net/laizi_laizi/article/details/121567609
因为主要之后用的是python API,然后选择你虚拟环境对应的python版本的用pip安装:
另外两个包也可以安装一下:
cd TensorRT-${version}/graphsurgeon
python3 -m pip install graphsurgeon-0.4.5-py2.py3-none-any.whl
cd TensorRT-${version}/onnx_graphsurgeon
python3 -m pip install onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl
通常xxx\TensorRT-x.x.x.x\下也有uff,是用于转化tensorflow的模型的,不用tf的话就不用安装了
(5)测试
上面都完事了可以编译测试一下:
我这边因为是最新版的trt,所以里面已经有了测试图片(以.pgm结尾的,所以也没有download_pgms.py文件了):
只需要简单的切换到samples/sampleMNIST下make一下就行
(open-mmlab) lz@lz:~/Downloads/TensorRT-8.2.1.8/samples/sampleMNIST$ make
在
~/tensorrt/TensorRT-8.4.3.1/samples/sampleMNIST$
下面使用
make
然后返回bin目录,运行一下就通过测试了
cd ../../bin/
./sample_mnist