Ubuntu安装显卡驱动教程

已于 2025-02-03 22:25:55 修改
阅读量4.3w 收藏 314
点赞数 32
分类专栏： 运维 文章标签： 运维
于 2021-08-15 21:57:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37605642/article/details/119651996
版权
本文详细介绍了在Ubuntu16.04系统上安装NVIDIA GeForce GTX 1650显卡驱动的步骤，包括禁用nouveau、添加PPA源、安装驱动以及处理可能遇到的软链接错误和cuDNN测试错误。解决cuDNN错误涉及修改Makefile和CMakeLists.txt文件，确保与GPU架构匹配。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、参考资料

环境搭建01-Ubuntu16.04如何查看显卡信息及安装NVDIA显卡驱动

Linux安装NVIDIA显卡驱动的正确姿势

Ubuntu22.04安装显卡驱动(高速、避错版)

Ubuntu22.04 LTS 安装nvidia显卡驱动

Ubuntu安装显卡驱动详细步骤

【超详细】【ubunbu 22.04】 手把手教你安装nvidia驱动，有手就行，隔壁家的老太太都能安装

二、环境配置

系统：Ubuntu16.04
显卡：NVIDIA GeForce GTX 1650,4GB

三、准备工作

下载显卡驱动

根据电脑的显卡型号，下载显卡驱动 下载链接

# 博主对应下载的驱动版本
NVIDIA-Linux-x86_64-470.57.02.run

在这里插入图片描述在这里插入图片描述

安装依赖

sudo apt install gcc
sudo apt install g++
sudo apt install cmake
sudo apt install pkg-config
sudo apt install linux-headers*

四、关键步骤

1. 查看显卡型号、驱动

# 查看显卡型号
ubuntu-drivers devices

如果没有输出，继续下面的操作

2. 禁用nouveau

nouveau是系统自带的驱动程序，安装新的显卡驱动的时候，通常需要禁用nouveau驱动。

验证是否已禁用 nouveau：

lsmod | grep nouveau

若有输出，说明没有禁用，修改 /etc/modprobe.d/blacklist.conf 配置文件：

# 末尾添加
blacklist nouveau
options nouveau modeset=0

更新配置：

sudo update-initramfs –u

重启系统，查看是否已禁用：

sudo reboot

再次查看是否禁用 nouveau：

lsmod | grep nouveau

3. 安装ubuntu-drivers

# 添加ppa源
sudo add-apt-repository ppa:graphics-drivers/ppa

# 更新apt-get
sudo apt update

# 安装 ubuntu-drivers-common
sudo apt-get install ubuntu-drivers-common

# 查看可安装的显卡驱动版本
sudo ubuntu-drivers devices  

# 安装推荐的显卡驱动（recommended）
sudo ubuntu-drivers autoinstall

# 安装指定的显卡驱动
sudo apt install [driver-name]

yoyo@yoyo:~/360Downloads$ sudo ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:1c.2/0000:04:00.0 ==
modalias : pci:v000010DEd00002204sv000010DEsd00001454bc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-driver-470 - distro non-free
driver   : nvidia-driver-470-server - distro non-free
driver   : nvidia-driver-535 - distro non-free recommended
driver   : nvidia-driver-535-server-open - distro non-free
driver   : nvidia-driver-535-server - distro non-free
driver   : nvidia-driver-535-open - distro non-free
driver   : xserver-xorg-video-nouveau - distro free builtin

（可选）安装显卡驱动工具

sudo apt-get install nvidia-cuda-toolkit

4. 安装显卡驱动

# 1. 按 CTRL + ALT + F1 键登录，从 GUI 转至终端tty1（TUI文本用户界面）

# 2. 临时关闭图形界面
sudo service lightdm stop 

# 3. 卸载已安装的显卡驱动
sudo apt-get remove --purge nvidia*   
sudo apt-get autoremove

# 4. 修改显卡驱动文件的权限
sudo chmod  a+x NVIDIA-Linux-x86_64-396.18.run

# 5. 安装显卡驱动
sudo ./NVIDIA-Linux-x86_64-470.57.02.run -no-x-check -no-nouveau-check -no-opengl-files   

参数说明：
1) –no-x-check：安装驱动时关闭X服务，不设置可能导致安装失败。
2) –no-nouveau-check：表示安装驱动时不检查nouveau，非必需，我们已经禁用驱动。
3) –no-opengl-files：只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。

# 6. 开启图形界面，没自动跳的话 crtl+alt+f7退回到GUI图形用户界面
sudo service lightdm start  

# 7. 若弹出设置对话框，则表示驱动安装成功
nvidia-settings

# 8. 查看显卡驱动
nvidia-smi

安装过程中的选项：

  • Install Nvidia's 32-bit compatibility libraries?
    选择 “No”

  • The distribution-provided pre-install script failed! Are you sure you want to continue?
    选择 yes 继续。

  • Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later?
    选择NO继续

  • Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up.
    选择 Yes 继续

note:
开始会显示大量点点（…），然后进入图形化安装界面：
如果提示是否接受（accept），选接受；
如果提示检测到xxx不完整，是否退出安装，选不退出（continue）；
如果提示有旧驱动，询问是否删除旧驱动，选Yes；
如果提示缺少某某模块（modules），询问是否上网下载，选no；
如果提示编译模块，询问是否进行编译，选ok；
如果提示将要修改Xorg.conf，询问是否允许，选Yes；

五、FAQ

Q：缺少软链接

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 is not a symbolic link

解决办法：创建软链接。

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.1 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8

Q：测试cuDNN错误

Unsupported gpu architecture compute_30 on a CUDA 5 capable gpu
NVIDIA CUDA Toolkit 10.2.89

# 进入mnistCUDNN目录
cd /usr/src/cudnn_samples_v7/mnistCUDNN

# 编译mnistCUDNN
sudo make
或者
sudo make -j8

mnistCUDNN.cpp:538:53: error: ‘CUDNN_CONVOLUTION_FWD_PREFER_FASTEST’ was not declared in this scope
                                                     CUDNN_CONVOLUTION_FWD_PREFER_FASTEST,
                                                     ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp:541:53: error: there are no arguments to ‘cudnnGetConvolutionForwardAlgorithm’ that depend on a template parameter, so a declaration of ‘cudnnGetConvolutionForwardAlgorithm’ must be available [-fpermissive]
                                                     ) );
                                                     ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp:541:53: note: (if you use ‘-fpermissive’, G++ will accept your code, but allowing the use of an undeclared name is deprecated)
                                                     ) );
                                                     ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp:541:53: error: there are no arguments to ‘cudnnGetConvolutionForwardAlgorithm’ that depend on a template parameter, so a declaration of ‘cudnnGetConvolutionForwardAlgorithm’ must be available [-fpermissive]
                                                     ) );
                                                     ^
error_util.h:67:65: note: in definition of macro ‘checkCUDNN’
       _error << "CUDNN failure\nError: " << cudnnGetErrorString(status); \
                                                                 ^
mnistCUDNN.cpp: In instantiation of ‘void network_t<value_type>::convoluteForward(const Layer_t<value_type>&, int&, int&, int&, int&, value_type*, value_type**) [with value_type = float]’:
mnistCUDNN.cpp:739:25:   required from ‘int network_t<value_type>::classify_example(const char*, const Layer_t<value_type>&, const Layer_t<value_type>&, const Layer_t<value_type>&, const Layer_t<value_type>&) [with value_type = float]’
mnistCUDNN.cpp:831:75:   required from here
mnistCUDNN.cpp:533:60: error: ‘cudnnGetConvolutionForwardAlgorithm’ was not declared in this scope
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp:533:60: error: ‘cudnnGetConvolutionForwardAlgorithm’ was not declared in this scope, and no declarations were found by argument-dependent lookup at the point of instantiation [-fpermissive]
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:67:65: note: in definition of macro ‘checkCUDNN’
       _error << "CUDNN failure\nError: " << cudnnGetErrorString(status); \
                                                                 ^
mnistCUDNN.cpp:533:60: note: ‘cudnnGetConvolutionForwardAlgorithm’ declared here, later in the translation unit
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp: In instantiation of ‘void network_t<value_type>::convoluteForward(const Layer_t<value_type>&, int&, int&, int&, int&, value_type*, value_type**) [with value_type = __half]’:
mnistCUDNN.cpp:739:25:   required from ‘int network_t<value_type>::classify_example(const char*, const Layer_t<value_type>&, const Layer_t<value_type>&, const Layer_t<value_type>&, const Layer_t<value_type>&) [with value_type = __half]’
mnistCUDNN.cpp:898:83:   required from here
mnistCUDNN.cpp:533:60: error: ‘cudnnGetConvolutionForwardAlgorithm’ was not declared in this scope
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
mnistCUDNN.cpp:533:60: error: ‘cudnnGetConvolutionForwardAlgorithm’ was not declared in this scope, and no declarations were found by argument-dependent lookup at the point of instantiation [-fpermissive]
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:67:65: note: in definition of macro ‘checkCUDNN’
       _error << "CUDNN failure\nError: " << cudnnGetErrorString(status); \
                                                                 ^
mnistCUDNN.cpp:533:60: note: ‘cudnnGetConvolutionForwardAlgorithm’ declared here, later in the translation unit
             checkCUDNN( cudnnGetConvolutionForwardAlgorithm(cudnnHandle,
                                                            ^
error_util.h:66:9: note: in definition of macro ‘checkCUDNN’
     if (status != CUDNN_STATUS_SUCCESS) {                              \
         ^
Makefile:235: recipe for target 'mnistCUDNN.o' failed
make: *** [mnistCUDNN.o] Error 1

Linking agains cublasLt = true
CUDA VERSION: 11000
TARGET ARCH: x86_64
HOST_ARCH: x86_64
TARGET OS: linux
SMS: 30 35 50 53 60 61 62 70 72 75
/usr/local/cuda/bin/nvcc -ccbin g++ -I/usr/local/cuda/include -I/usr/local/cuda/include -IFreeImage/include  -m64    -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_53,code=sm_53 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_62,code=sm_62 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_72,code=sm_72 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75 -o fp16_dev.o -c fp16_dev.cu
nvcc fatal   : Unsupported gpu architecture 'compute_30'
Makefile:238: recipe for target 'fp16_dev.o' failed
make: *** [fp16_dev.o] Error 1

错误原因：

CUDA 11.x no longer supports compute capability 3.0
CUDA11.x不再支持compute_30

解决方法：

（1）修改Makefile文件。

sudo gedit /home/yoyo/MyDocuments/cudnn_samples_v7/mnistCUDNN/Makefile

$(foreach sm,$(SMS),$(eval GENCODE_FLAGS += -gencode arch=compute_$(sm),code=sm_$(sm)))
修改为
GENCODE_FLAGS += -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_53,code=sm_53 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_62,code=sm_62 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_72,code=sm_72 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75

（2）修改 CMakeLists.txt 文件。

sudo gedit /usr/local/cuda-11.0/nvvm/libnvvm-samples/cuda-c-linking/CMakeLists.txt
Makefile.config

#>> nvcc -m64 -gencode=compute_20,code=sm_20 ... -dc math-funcs.cu -o math-funcs64.o
add_custom_command(OUTPUT "${CMAKE_CURRENT_BINARY_DIR}/math-funcs64.o"
                   COMMAND ${NVCC} -m64 -gencode arch=compute_20,code=sm_20 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -dc "${CMAKE_CURRENT_SOURCE_DIR}/math-funcs.cu" -o "${CMAKE_CURRENT_BINARY_DIR}/math-funcs64.o"
                   DEPENDS "${CMAKE_CURRENT_SOURCE_DIR}/math-funcs.cu"
                   COMMENT "Building math-funcs64.o")
                   
修改为
#>> nvcc -m64 -gencode=compute_20,code=sm_20 ... -dc math-funcs.cu -o math-funcs64.o
add_custom_command(OUTPUT "${CMAKE_CURRENT_BINARY_DIR}/math-funcs64.o"
                   COMMAND ${NVCC} -m64 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -dc "${CMAKE_CURRENT_SOURCE_DIR}/math-funcs.cu" -o "${CMAKE_CURRENT_BINARY_DIR}/math-funcs64.o"
                   DEPENDS "${CMAKE_CURRENT_SOURCE_DIR}/math-funcs.cu"
                   COMMENT "Building math-funcs64.o")
删除
-gencode=arch=compute_20,code=sm_20
-gencode=arch=compute_30,code=sm_30

Q：测试cuDNN错误

Makefile:163: ../samples_common.mk: 没有那个文件或目录
CUDA VERSION: 
TARGET ARCH: x86_64
HOST_ARCH: x86_64
TARGET OS: linux
SMS: 
>>> WARNING - no SM architectures have been specified - waiving sample <<<
make: *** No rule to make target '../samples_common.mk'。 停止。

Q：If you want to use the nvidia-installer please uninstall the Debian packages first.

在这里插入图片描述
错误原因：显卡驱动没有卸载干净。

解决方法：重新卸载显卡驱动。

sudo apt-get remove --purge nvidia*   
sudo apt-get autoremove

Q：ubuntu-drivers: command not found

ubuntu-drivers: command not found解决办法

yoyo@yoyo:/usr/lib/python3/dist-packages$ sudo ubuntu-drivers devices
sudo: ubuntu-drivers: command not found

解决方法：

sudo apt-get install ubuntu-drivers-common

Q：E: 软件包 ubuntu-drivers-common 没有可安装候选

yoyo@yoyo:/usr/lib/python3/dist-packages$ sudo apt-get install ubuntu-drivers-common
正在读取软件包列表... 完成
正在分析软件包的依赖关系树... 完成
正在读取状态信息... 完成
没有可用的软件包 ubuntu-drivers-common，但是它被其它的软件包引用了。
这可能意味着这个缺失的软件包可能已被废弃，
或者只能在其他发布源中找到

E: 软件包 ubuntu-drivers-common 没有可安装候选

解决方法：

sudo add-apt-repository ppa:ubuntu-drivers/ppa
sudo apt update
sudo apt install ubuntu-drivers-common

ubuntu系统下多种方法安装nvidia显卡驱动
iiloveChina的博客
06-04 2万+
下载得到“NVIDIA-Linux-x86_64-535.113.01.run”文件，将文件复制到英文路径的目录中，如：“/home/heqingchun/soft/nvidia”-no-x-check：安装驱动时关闭X服务 -no-nouveau-check：安装驱动时禁用nouveau -no-opengl-files：只安装驱动文件，不安装OpenGL文件。注：重启后进入bios设置，确认：1.设置独显直连 2.关闭安全启动。注：重启后进入bios设置，确认：1.设置独显直连 2.关闭安全启动。
CentOS7显卡驱动安装流程
Mr_kka的博客
11-20 5224
根据自己的显卡选择驱动。注意：下载的驱动文件要放在英语路径中！！！
Ubuntu22.04安装显卡驱动（亲测有效）
最新发布
Galaxy_1229的博客
03-19 4591
第一次安装显卡驱动失败，查看了log文件，才知道是GCC版本的原因。Ubuntu22.04版本务必先升级GCC，可以参考我的另一篇博客👇。
Ubuntu20.04安装NVIDIA显卡驱动、CUDA、CUDNN及突破NVENC并发限制、多版本CUDA切换
m0_38101947的博客
08-24 2万+
Ubuntu20安装Nvidia驱动，cuda,cudnn,NVENC突破并发限制
『heqingchun-ubuntu系统下安装nvidia显卡驱动3种方法』
热门推荐
heqingchun16的博客
10-12 4万+
ubuntu系统下安装nvidia显卡驱动3种方法
Ubuntu 20.04安装显卡驱动、CUDA、Miniconda和Pytorch（2024.09最新）-Ubuntu从零搭建深度学习环境
小白
06-21 2万+
我们发现输出的信息中有，可以根据这个信息查询显卡型号输入后点击Jump查询我们发现显卡型号为RTX A6000。
Ubuntu安装Nvidia显卡驱动
weixin_36342174的博客
09-14 9541
安装显卡驱动，整理一下操作步骤。
ubuntu显卡驱动安装
鹏昱的博客
02-06 8994
ubuntu 显卡驱动安装及问题解决办法
Ubuntu安装显卡驱动
周先森爱吃素的博客
11-25 1万+
本文介绍如何在Ubuntu下快速安装NVIDIA显卡驱动。
Ubuntu 安装显卡驱动
冰雪棋书的博客
12-09 1万+
​ 1、查看显卡信息 lspci | grep VGA 2、查看驱动信息 ubuntu-drivers devices 注意：如果查看驱动信息不返回结果，进行如下操作 https://blog.csdn.net/zml194849/article/details/121826428 3、下载 自己的显卡需要什么驱动：http://www.nvidia.com/Download/index.aspx?lang=en-us进去自己按照自己的具体配置测试一下。比如这里我自己的是要384驱动。 4、Ubu
ubuntu系统装显卡驱动
05-25
ubuntu系统装显卡驱动~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
ubuntu安装显卡驱动+cuda+cudnn教程（18.04+cuda10+cudnn9.05为例）
03-29
ubuntu安装显卡驱动+cuda+cudnn教程 本教程将指导读者在 Ubuntu 18.04 环境中安装显卡驱动、CUDA 和 cuDNN。整个安装过程可以分为五个步骤：安装 Nvidia 显卡驱动、安装 CUDA、配置环境变量、检查环境变量和安装 ...
ubuntu安装nvidia显卡驱动ubuntu安装nvidia显卡驱动ubuntuubuntu安装nvidia显卡驱动.txt
05-30
ubuntu安装nvidia显卡驱动ubuntu安装nvidia显卡驱动ubuntu安装nvidia显卡驱动ubuntu安装nvidia显卡驱动
ubuntu安装显卡驱动教程
05-10
在 Ubuntu 上安装显卡驱动可以提高显卡性能、支持更高的分辨率和更多的显示选项。以下是安装显卡驱动的步骤： 1. 打开终端。可以使用快捷键 Ctrl+Alt+T 来打开终端。 2. 更新系统。在终端中输入以下命令： ``` ...
Ubuntu安装实时内核和显卡驱动
qq_59001382的博客
10-15 3084
1、系统版本： Ubuntu 20.04.6 LTS打开设置，点击关于，查看版本号2、内核：Ubuntu，Linux 5.15.0-122-generic打开终端，输入uname -a命令，可查看内核版本号uname -a。
Ubuntu安装nvidia显卡驱动
LifeBackwards的专栏
10-10 7127
no-x-check：安装驱动时关闭X服务 -no-nouveau-check：安装驱动时禁用nouveau -no-opengl-files：只安装驱动文件，不安装OpenGL文件。在“/home/heqingchun/soft/nvidia”路径中下载得到“cuda_11.6.2_510.47.03_linux.run”文件 以下是安装时使用的指令。网址：https://developer.nvidia.com/cuda-toolkit-archive 依次点击。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

花花少年

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

实付元
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