Linux安装显卡驱动、annaconda和CUDA(超详细)

本文详细指导了在Windows系统下安装显卡驱动、Anaconda和CUDA的步骤,包括手动和自动安装驱动,以及设置环境变量。
摘要由CSDN通过智能技术生成

Windows版本的annaconda安装请见:Windows版本的annaconda安装

Windows版本的CUDA安装请见:Windows版本的CUDA安装

目录

一、安装显卡驱动

方法一

1.查询系统中是否安装了显卡驱动

2.查询显卡型号并选择安装的驱动版本 

3.安装驱动

4.方法二——在线安装

5.方法三——在线自动安装(推荐)

二、安装annaconda

三、安装CUDA

1.查看系统中是否有CUDA

2.选择合适的CUDA版本

3.CUDA下载及安装

4.配置环境变量 


一、安装显卡驱动

方法一

1.查询系统中是否安装了显卡驱动

命令行键入:

nvidia-smi

下图是未安装的显示

下图安装过的显示,可以看到显卡驱动(Driver Version)的版本号为462.30.

2.查询显卡型号并选择安装的驱动版本 

(1)查询显卡型号

命令行键入:

lspci |grep -i vga

(2)根据显卡型号选择合适的显卡驱动

这里下载:https://www.nvidia.com/Download/index.aspx

 点击下载

 下载会得到一个 .run 文件

3.安装驱动

命令行键入:

sh .run文件存放的路径

然后跟着说明一步一步安装就行了。

安装成功后键入 nvidia-smi 命令,看是否安装成功。

如果显示如下界面,就重启一下系统,如果还不显示可能就是安装失败了。

 4.方法二——在线安装

键入 ubuntu-drivers devices 查看推荐安装的驱动版本

sudo apt-get install nvidia-driver-535
# 535 为驱动的版本号,可以在 ubuntu-drivers devices 中查看推荐版本

点击回车

输入两次密码

reboot # 重启

5.方法三——在线自动安装(推荐)

#自动化安装显卡驱动
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
sudo reboot

报错:

命令行输入ubuntu-drivers devices 时报错:ERROR:root:aplay command not found

解决:

        错误信息显示 aplay 命令没有找到。这通常意味着您的系统缺少某些音频相关的包或软件。
尝试以下步骤来解决这个问题:
1.更新系统软件包列表:

sudo apt-get update

2.安装 alsa-utils 软件包,它包含了 aplay 命令:

sudo apt-get install alsa-utils

3.再次运行 ubuntu-drivers devices 命令,看看是否能正常执行了。

二、安装annaconda

该方法简单方便又快捷!!

命令行分别键入以下命令:

#下载annaconda
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh

#安装annaconda,安装中需要键入ENTER或输入yes
bash Anaconda3-2022.05-Linux-x86_64.sh

#配置annaconda环境变量,将下面命令写入~/.bashrc文件中(或.bash_profile文件,因系统而异)
export PATH=/root/anaconda3/bin:$PATH

#重新加载用户主目录下的.bash_profile文件,使设置的变量生效
source ~/.bashrc
#或者
source .bash_profile

#初始化Conda shell,使得Conda环境能够在当前的Shell中正常运行
conda init

三、安装CUDA

1.查看系统中是否有CUDA

命令行键入:

nvcc -V  或  nvcc --version

显示如下界面就说明没有CUDA

2.选择合适的CUDA版本

(1)命令行键入 nvidia-smi 可以看到系统支持的最大CUDA版本。

你可以根据项目需要选择你要安装的CUDA版本(但是不要超过系统所支持的这个版本)。

一般情况会选择与显示一致的CUDA版本

 (2)查询Linux系统的版本号

命令行键入:

lsb_release -a

显示如下,可以看到使用的系统未Ubuntu,版本号为 18.04

3.CUDA下载及安装

点击下载CUDA

你会进入到如下界面,选择你需要的CUDA版本

 选择系统配置以及安装方式

然后在命令行中依次键入以下命令安装

第一行是下载安装文件 .run

第二行是安装

安装中。。。。

键入accept

如果已经安装显卡驱动,则取消掉“Driver”这个选项(在Driver位置键入 enter取消)

 光标移至Install,按ENTER键

=======================

有时会存在以下问题:

1.命令无法安装

可用 /bin/sh cuda 11.2.1 460.32.03 linux.run 的方法安装

2.非root用户无法操作文件

该问题可以参考 非root用户 CUDA-10.1 10.2安装

最终我采用的方式是:

在 “CUDA Tookit 10.1” 一行 键入 A 

在 “Change Tookit Install Path”这里键入 “Enter”

修改路径,修改为非 root 路径,可以将文件夹放在自己的用户目录下

取消这里的所有选项,然后 “Done”

然后 “ Install ”安装


 

然后显示下面内容就安装成功了

4.配置环境变量 

vim ~/.bashrc

将下面两行代码写进 .bashrc 文件中。

怎么写呢?使用vim 打开这个文件后。

键入 “i” 进入 INSERT模式,可以进行回车操作,复制以下变量,键入“ESC”退出INSERT模式。

最后键入:wq即可保存并退出 。

#在安装成功后的显示中可以看到cuda的安装位置
export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后再 source ~/.bashrc 一下,更新一下变量。

然后命令行中键入 nvcc -V 看一下是否安装成功

显示下面内容就是安装成功啦~~

  • 56
    点赞
  • 290
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
在Ubuntu上安装显卡驱动、CuDNN、CUDA和PyTorch可以按照以下步骤进行: 1. 安装显卡驱动:可以通过以下几种方式安装显卡驱动: - 通过"Software & Updates"工具在“Additional Drivers”选项卡中选择一个适用于您的显卡型号的驱动程序,并点击“Apply Changes”进行安装。 - 通过命令行使用`ubuntu-drivers devices`命令查看可用的驱动,然后使用`sudo ubuntu-drivers autoinstall`命令自动安装推荐的驱动。 2. 安装CuDNN:CuDNN是NVIDIA加速库,可提供用于深度学习的GPU加速功能。可以按照以下步骤安装CuDNN: - 前往NVIDIA官方网站,下载适用于您的CUDA版本的CuDNN压缩文件(通常需要注册NVIDIA开发者账号)。 - 将CuDNN压缩文件解压缩到一个合适的位置,例如`~/cuda`文件夹。 - 打开终端,使用`cd`命令进入CuDNN解压缩文件的路径,并执行以下命令安装CuDNN: ``` sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. 安装CUDACUDA是用于在NVIDIA GPU上进行并行计算的平行计算平台和API。可以按照以下步骤安装CUDA: - 前往NVIDIA官方网站,选择适用于您的显卡和操作系统的CUDA版本,并下载对应的运行文件(通常需要注册NVIDIA开发者账号)。 - 打开终端,使用`cd`命令进入CUDA运行文件所在的目录,并执行以下命令安装CUDA: ``` sudo sh cuda*.run ``` - 执行安装向导中的步骤,根据提示进行安装配置,包括选择安装路径和设置环境变量。 - 安装完成后,可以通过执行`nvcc --version`命令验证CUDA安装情况。 4. 安装PyTorch:PyTorch是一个用于构建深度学习模型的开源Python库。可以按照以下方式安装PyTorch: - 打开终端,执行以下命令安装PyTorch: ``` pip install torch torchvision ``` - 在安装过程中,可能需要下载和编译一些依赖项。请耐心等待安装完成。 安装完成后,您可以在Ubuntu上使用显卡驱动、CuDNN、CUDA和PyTorch进行深度学习任务。
评论 7
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

Billie使劲学

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