ubuntu16+NVIDIA驱动+CUDA+cuDNN配置安装

---

---

pip安装超时

python pip下载速度慢的解决方法

sudo touch ~/.pip/pip.conf #创建pip配置文件
sudo gedit ~/.pip/pip.conf #编辑该文件

# 添加如下内容
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple #添加清华镜像

保存退出即可

安装使用链接下载工具axel

ubuntu使用命令行下载文件，使用命令行直接通过连接下载文件

sudo apt-get install axel

Teamview连接

Ubuntu下用命令行安装TeamViewer

下载安装

#下载teamviewer
axel https://download.teamviewer.com/download/linux/teamviewer_amd64.deb
#执行命令，忽略报错
sudo dpkg -i teamviewer_amd64.deb
##报错原因:这是由于我的ubuntu系统是64位的，必须添加32位的架构。
#添加32位架构
sudo dpkg --add-architecture i386
sudo apt-get update
## 在缺少依赖包的安装 需要执行：sudo apt-get -f install
sudo apt-get -f install

#重新执行安装命令
sudo dpkg -i teamviewer_amd64.deb

#接受license
## 停止服务。执行命令 
sudo teamviewer --daemon stop

#修改配置文件
cd /opt/teamviewer/config/
ll
sudo vim global.conf
##添加以下内容
[int32] EulaAccepted = 1 
[int32] EulaAcceptedRevision = 6
#wq保存退出
cat global.conf #确认修改成功

启动teamviewer

sudo teamviewer --daemon start #启动
sudo teamviewer --passwd 123456 #设置密码
sudo teamviewer --info print id #获取teamviewer ID

重启后再进行连接即可。

ssh连接服务器被拒绝

连接Ubuntu提示SSH连接被拒绝修复方法

sudo ufw disable #关闭防火墙
#Ubuntu系统上安装、启动sshd服务
sudo apt-get install openssh-server
sudo /etc/init.d/ssh restart 

硬盘挂载

ubuntu 磁盘管理工具 ---- GParted 图形化分区工具

直接在ubuntu应用商店安装磁盘管理工具GParted，打开找到要挂载的硬盘：

先用该工具进行分区。

ubuntu 16.04 硬盘分区，挂载，硬盘分区方案参考该链接进行硬盘挂载。

这个也可以参考下：Ubuntu挂载硬盘方法

安装NVIDIA驱动

安装成功：

• 2020.6.20

学弟说也可以直接装CUDA，会连带驱动进行安装。，没成功，感觉不靠谱。

可以直接通过软件更新来安装

如果不成功可以采样如下方法来解决。

卸载原有的NVIDIA驱动（没装的话就跳过）

一般方法

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

如果使用.run文件安装，使用–uninstall卸载（具体方法百度）

禁用nouveau

安装NVIDIA需要把系统自带的驱动禁用，打开文件：

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

在文本最后添加以下内容：

blacklist nouveau
option nouveau modeset=0

命令窗口会提示warn，无视之。

保存退出，执行以下命令生效：

sudo update-initramfs -u

重启电脑后输入：

lsmod | grep nouveau

没有任何输出说明禁用成功。

可以通过xshell进行操作，很方便。

将下载好的NVIDIA-Linux-x86_64-430.40.run复制到/home目录下，更改权限

sudo chmod a+x NVIDIA-Linux-x86_64-430.40.run

GPU信息

ren@r-Super-Server:~$ lspci |grep VGA
03:00.0 VGA compatible controller: NVIDIA Corporation GP104 [GeForce GTX 1070] (rev a1)

驱动选择

https://www.nvidia.com/Download/Find.aspx?lang=en-us

禁用X服务

sudo service lightdm stop

安装

linux怎么切换tty终端命令行(文本模式)

sudo chvt 2 #进入tty2
sudo chvt 7 #退出

按Ctrl+Alt+F1进入命令行，输入用户名密码登录（通过Ctrl+Alt+F7可返回界面，此时的数字键盘可能无法使用，可以使用右侧键盘上的数字输入密码）

sudo ./NVIDIA-Linux-x86_64-430.40.run -no-x-check -no-nouveau-check -no-opengl-files

• –no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
• –no-x-check 安装驱动时不检查X服务
• –no-nouveau-check 安装驱动时不检查nouveau

后面两个参数可不加。如果该过程出错，注意查看原因，gcc、g++版本不对也不行

gcc,g++卸载与重装

gcc -v #查看版本
g++ -v
sudo apt-get remove gcc #卸载gcc
sudo apt-get install gcc #重新安装gcc

安装完毕后重启验证是否安装成功：

nvidia-smi

出现以上类似的输出表示已经安装成功

启动显示服务

sudo service lightdm restart

---

版权声明：本文为CSDN博主「墨成鱼」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhang970187013/article/details/81012845

CUDA10+cuDNN+pytorch110

Ubuntu卸载Cuda

没有安装可以自行跳过，切记CUDA版本不要太高，先看下你要配置的深度学习环境支持的CUDA版本。一定要在注意cuda版本和pytorch适配。cuDNN还是没有严格要求对应。

安装CUDA

可参考：ubuntu18.04安装Anaconda+tensorflow-gpu+keras

~~因为之后需要安装cuda，cudnn等，gcc,g++版本太高会无法配置，建议降级到5.0或者4.8.~~这个太坑了，导致我nvidia的驱动一直安装失败。

安装CUDA

到CUDA官网下载对应的CUDA版本：CUDA Toolkit Archive

找到你要使用的版本。点击进入你要进行安装的版本，进入系统配置选择界面，选择对应的配置，最后一个Installer Type选择第一个，需要的命令最少：

按照对应的安装介绍进行安装：

注意按照自己的系统配置选择合适的版本

axel https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux #下载cuda——10.0.130
axel http://developer.download.nvidia.com/compute/cuda/10.0/Prod/patches/1/cuda_10.0.130.1_linux.run #下载补丁
sudo sh cuda_10.0.130_410.48_linux.run #安装

第一个叉掉，不要重复安装驱动：

配置环境变量

sudo gedit ~/.barshrc   #打开barshrc文件，添加路径，并将后面两句加在代码末尾
export PATH=/usr/local/cuda-10.0/bin${PATH:+:$PATH}}             
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc          #使上述操作生效

如果测试conda，显示conda找不到指令，也是添加环境变量，把路径换成自己的

sudo gedit ~/.barshrc ##打开barshrc文件，添加路径，并将后面一句加在代码末尾
export PATH="/home/hqy/anaconda3/bin:$PATH #
source ~/.bashrc
conda #测试

测试是否安装成功

nvcc -V #查看nvcc版本
cat /usr/local/cuda-10.0/version.txt #查看cuda 版本，加速并行计算

可能问题

• nvcc指令版本不对

解决sudo下nvcc找不到问题

which nvcc #先寻找nvcc位置
sudo ln -s /path /sbin/nvcc.  #得到路径后，建立软链接。path是上一步得到的位置
sudo reboot #重启
nvcc -V #重新查询

安装CUdnn

到官网cuDNN Archive下载cuDNN，加速神经网络的计算。cuDNN版本和CUDA版本不必要 完全一致。

下载下划线版本。注意修改下面的cudnn版本，和你要安装的保持一致。前面的所有都是。

axel https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/10.0_20190923/cudnn-10.0-linux-x64-v7.6.4.38.tgz #下载
tar -zxvf cudnn-10.0-linux-x64-v7.6.4.38.tgz #解压

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

测试是否安装成功

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #查看cudnn 版本,用来加速神经网络的计算

总体测试

nvidia-smi #查看nvidia驱动是否正常
nvcc -V #查看nvcc版本
cat /usr/local/cuda/version.txt #查看cuda 版本，加速并行计算
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #查看cudnn 版本,用来加速神经网络的计算

安装Anaconda

到官方网站或者 清华镜像下载,按照网站上的提示选择自己系统适合的版本。

下载地址：Anaconda3-4.2.0-Linux-x86_64.sh

安装、测试：

axel https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.2.0-Linux-x86_64.sh #下载
bash Anaconda3-4.2.0-Linux-x86_64.sh
source ~/.bashrc #使环境变量立即生效
conda #测试，正常输出即表示安装成功

配置pytorch==1.1.0+CUDA==10.0

安装虚拟环境

conda create -n pytorch python=3.5 pandas numpy matplotlib
source activate pytorch #激活虚拟环境

安装pytorch==1.1.0

axel https://download.pytorch.org/whl/cu100/torch-1.1.0-cp35-cp35m-linux_x86_64.whl
pip install torch-1.1.0-cp35-cp35m-linux_x86_64.whl
axel https://download.pytorch.org/whl/cu100/torchvision-0.3.0-cp35-cp35m-linux_x86_64.whl
pip install torchvision-0.3.0-cp35-cp35m-linux_x86_64.whl

不得不说官方指令是真的扯，很多时候各种不行。

测试

zhangsan@zhangsan-X299-WU8:~$ source activate pytorch
(pytorch) zhangsan@zhangsan-X299-WU8:~$ python
Python 3.5.4 |Continuum Analytics, Inc.| (default, Aug 14 2017, 13:26:58) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> import torchvision
>>> torch.cuda.is_available() #测试cuda，使用GPU
True

相关指令

conda info -e #显示环境列表
watch -n 1 nvidia-smi #实时查看GPU使用情况，1表示查看时间的间隔

卡在开机界面，用户的登陆界面死循环

成功：

• 2020.6.20

原因：NVIDIA 驱动所致，之前安装方式nvidia驱动出问题。

解决办法：卸载nvidia驱动，重新安装。

（1）进入文本模式：CTRL+ALT+F1 ，命令行

sudo chvt 2

（2）Uninstall any previous drivers:

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

（3）Uninstall the drivers from the .run file:

sudo nvidia-uninstall
sudo chvt 7 #退出tty模式

（4）此时，重启可login normally.
（5）驱动重新安装：（这种安装方式很好，测试方便快捷）

(1)Ctrl+Alt+F1进入tty模式，登陆，注意密码输入不要使用右侧小键盘。
(2)sudo service lightdm stop
(3)sudo ./NVIDIA-Linux-x86_64-430.40.run -no-x-check -no-nouveau-check -no-opengl-files

-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 安装时只装驱动文件，不安装Opengl

（6）sudo service lightdm restart（可正常登录）
（7）重启不会出现循环登录。

Ubuntu 16.04 一直卡在开机界面或者用户登录界面死循环问题的解决

可能报错如下：

参考：ERROR: You appear to be running an X server; please exit X before installing.

ERROR: You appear to be running an X server; please exit X before installing.

解决办法：

进入tty模式

按Ctrl+Alt+F1进入tty命令行，输入用户名密码登录（通过Ctrl+Alt+F7可返回界面，此时的数字键盘可能无法使用，可以使用右侧键盘上的数字输入密码）

Localhostlogin: r
Password：

切换到根权限

首先在正常模式下设置root用户

设密码，

sudo passwd root

ubuntu如何进入根用户

在tty模式下，进入超级用户模式下：

[admin@localhost  ~]$ su - root
[root@localhost  ~]#

出现3个菱形，输入超级用户的密码即可。注意：不要使用右侧小键盘上的数字

输入init3进入文本模式

[root@localhost  ~]# init 3

返回图形界面init 5

找到NVIDIA-Linux-x86_64-430.40.run所在的文件夹

[root@localhost  ~]# cd /home/admin
[root@localhost  r]# ll
-rwxrwxrwx1 root root 69824601 Nov 10 01:48 NVIDIA-Linux-x86_64-430.40.run

运行安装文件

[root@localhost  r]# sh NVIDIA-Linux-x86_64-430.40.run

安装过程中根据相应提示，即可完成安装

过程

安装完成之后发现在登陆界面进入死循环，索性删除了Nvidia的驱动

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

Ctrl+Alt+F7返回桌面，仍然是无法进入

重启后可进入，驱动居然安装成功，莫名奇妙。。。。。^_^

相关知识

• nvidia驱动，cuda与cudnn的关系

• ubuntu系统查看nvcc、cudnn、cuda版本和版本切换