Ubuntu安装英伟达nvidia显卡驱动-CUDA-cuDNN详细步骤

Ubuntu安装英伟达Nvidia显卡驱动-CUDA-cuDNN

我的是英伟达Nvidia RTX 4090，以此为例，其他类似。Ubuntu版本是22.04.

方法1

1.禁用默认显卡驱动

1）打开配置文件

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

2）配置文件最后增加

blacklist nouveau

3）保存文件后执行配置生效

sudo update-initramfs -u

2直接在线更新

1）在ubuntu系统中搜到Software update

2）点击setting

3）先点击Apply Changes，更新后点击 Restart

4）查看显卡信息

命令行nvidia-smi会显示当前显卡信息。

3.Wifi驱动无法显示解决

安装英伟达显卡驱动后（比如4090和3090等），可能会把wifi驱动去除，导致wifi无法连接。需要下面方法手工安装wifi驱动。

 

1）查看linux内核版本，根据这个版本号查找需要

uname -r

6.8.0-48-generic

 

2）Google或百度搜索找wifi驱动，使用关键字：

6.8.0-48 linux models iwlwifi

 

3）找到网址

linux-modules-iwlwifi-6.8.0-48-generic : amd64 : Jammy (22.04) : Ubuntu

进入后选择Pocket是security的版本链接

 

4）点击进入后下载deb文件

 

5）安装

sudo dpkg -i 文件名

 

6）重启系统

方法2

1.官网下载对应驱动安装

下面操作都是针对英伟达RTX4090显卡，其他类似。下载网址，有不同的版本，这里下载535版本：

下载 NVIDIA 官方驱动 | NVIDIA

需要知道自己机器显卡型号和安装的操作系统，先点击“搜索”，然后选择下载即可。

2.安装驱动

1）增加可执行权限

假设下载文件名为 ***.run

给驱动程序文件增加可执行权限：

sudo chmod +x ***.run

 

2）卸载原有驱动

sudo apt-get remove --purge nvidia*

 

3）禁止通用nouveau驱动

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

配置文件最后增加

blacklist nouveau

保存文件后执行配置生效

sudo update-initramfs -u

 

4）重启查看

重启后在终端输入如下，没有任何输出表示屏蔽成功

lsmod | grep nouveau

 

5）从界面进入命令行

我这里可以正常进入

sudo telinit 3

如果不行，或者下面，

Ctrl + Alt + F1（到F6），我这里是Ctrl + Alt + F3

 

6）关闭桌面系统

sudo /etc/init.d/gdm3 stop

或

sudo /etc/init.d/lightdm stop

我的是gdm系统

停止成功

 

7）安装相关的库，一般都是gcc和make

sudo apt-get update

sudo apt install gcc

sudo apt install make

 

8）安装驱动

sudo sh **.run

 

9）gcc驱动问题解决

可能还是会出错，可能和linux版本更新时间有关，因为前期安装不会，后面这个问题出现过。根据提示，查看出错原因

less /var/log/nvidia-installer.log

Failed CC version check

cc: error:unrecognized command-line option  ‘-ftrivial-auto-var-init=zero’

是cc版本引起，需要 gcc-12

 

删除驱动：

sudo apt-get purge nvidia

sudo apt-get autoremove

 

更新 gcc ：

sudo apt-get install gcc-12

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 12

 

检查版本：

gcc --version

gcc (Ubuntu 12.1.0-2ubuntu1~22.04) 12.1.0

 

重新nvidia驱动：

sudo sh ./NVIDIA-Linux-x86_64-550.67.run --no-opengl-files --no-x-check --no-nouveau-check

 

10）显卡驱动安装过程中

32位兼容库和运行x配置，都选择no，不要安装

 

11）安装后，运行下面可以重回到桌面系统

sudo /etc/init.d/gdm3 start

安装系统的CUDA和cudnn

1.安装CUDA

注意：这里12.2表示支持的最高版本，不是已经安装的，显卡支持不能超过这个版本

 

需要安装使用pytorch版本对应的CUDA和cudnn版本。

 

打开pytorch官网：PyTorch

查看对应的cuda版本

根据pytorch版本确定CUDA版本,这里选择12.1版本，后面部分还

有进一步介绍pytorch的安装。

目前最新的已经有12.4cuda显示。也可以选择用12.4

 

2、打开英伟达cuda官网

https://developer.nvidia.com/cuda-toolkit

点击Download Now，进入：

 

点击Archive of Previous CUDA Releases 进入

 

 

选择CUDA Toolkit 12.1.1 (April 2023), Versioned Online Documentation

 

 

逐步选择操作系统Linux、芯片架构x86_64、发行系统Ubuntu 、版本22.04和安装类型runfile，如下图

 

 

如何安装网站有说明，根据说明，先下载

wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run

再安装

sudo sh cuda_12.1.1_530.30.02_linux.run

 

会报错，因为没有安装gcc

sudo apt-get update

sudo apt-get install gcc

如果出现gcc版本问题，可能需要安装gcc12，看“安装英伟达显卡驱动-方法2-安装驱动中解决方法”

 

由于之前安装了驱动，这里取消选择Driver，如果没有安装显卡驱动，这里可以选择安装，具体操作：将光标置于Driver，回车即可，如下图

光标置于Install，回车安装

 

接下来设置到环境变量

在新终端输入：gedit ~/.bashrc

 

在文件最后输入：

export PATH=/usr/local/cuda-12.1/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH

 

点击Save后关闭该文件

 

在终端输入：source ~/.bashrc

最后验证安装是否成功，在终端输入：nvcc –V

出现下图说明安装成功：

2.安装cudnn

cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计,用来加速。

 

打开官方链接：https://developer.nvidia.com/cudnn

点击Download cuDNN Library按钮进入

依次选择操作系统Linux、芯片架构x86_64、发行系统Ubuntu 、版本22.04和安装类型，如下图

 

 

这里官方根据选择的信息，推荐安装cudnn-local-repo-ubuntu2204-9.1.1_1.0-1_amd64.deb

只要执行下面的安装命令即可。下面开始安装。

 

打开终端，输入：

wget https://developer.download.nvidia.com/compute/cudnn/9.1.1/local_installers/cudnn-local-repo-ubuntu2204-9.1.1_1.0-1_amd64.deb

sudo dpkg -i cudnn-local-repo-ubuntu2204-9.1.1_1.0-1_amd64.deb

执行完成后继续输入：

sudo cp /var/cudnn-local-repo-ubuntu2204-9.1.1/cudnn-*-keyring.gpg /usr/share/keyrings/

 

执行完成后继续输入：sudo apt-get update

 

执行完成后继续输入：sudo apt-get -y install cudnn

 

执行完成后安装成功

 

验证cuDNN安装成功，详见官网：https://docs.nvidia.com/deeplearning/cudnn/latest/installation/cross-compiling.html

 

这里交叉编译 位于usr/src/cudnn_sample_v9目录下的mnistCUDNN

具体步骤执行如下命令：

1）cp -r /usr/src/cudnn_samples_v9 $HOME

2）cd $HOME/cudnn_samples_v9/mnistCUDNN

3) sudo make 或者

make clean && make

4）最后输入./mnistCUDNN验证

 

如果没有安装make，执行make命令报错，执行以下两行代码：

sudo apt-get update

sudo apt-get install make

安装make，安装完成后再输入sudo make

 

没有安装 FreeImage 库，也会报错，

终端执行sudo apt-get install libfreeimage-dev安装

sudo apt-get install-essential

如果再有报错，网上一般可以查到解决方法，都是一些库没有安装好

安装即可。

 

安装后编译没有再报错

最后输入./mnistCUDNN验证，终端信息最后出现如下信息表示成功：

 

查看系统cudnn版本的命令：

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

可以看到是9.1.1版本，注意不同机器安装的cudnn_version.h的版本可能不同，根据自己调整。

 

需要注意：在安装人工智能平台框架（Pytorch或TensorFlow）的时候可以指定安装需要的版本CUDA，比如不同的pytorch版本和CUDA版本有严格的对应关系，看后面安装说明。此时会在pytorch的系统中安装对应的CUDA和对应的cudnn，后面会有讲述。

依赖pytorch运行的程序会使用自带安装的CUDA和cudnn，但是系统中很多库和包的安装是需要使用系统的CUDA和cudnn，所以也必须安装，同时和pytorch自带安装的保持一致。

机器学习原理与实践
https://www.bilibili.com/cheese/play/ss27274
优质课程，试听课一定听听，100%好评至今。