Ubuntu18.04安装Nvidia显卡驱动，CUDA+CUDNN，完整Qt，编译安装OpenCV4.1.1 with CUDA and Qt

最新推荐文章于 2024-07-19 16:16:34 发布
最新推荐文章于 2024-07-19 16:16:34 发布
阅读量2.2k 收藏 14
点赞数 2
分类专栏： OpenCV 文章标签： linux opencv cuda
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/qq_25014669/article/details/104651894
版权

目录

〇、N卡无法开机问题

如果是刚刚安装Ubuntu或使用U盘体验系统要安装Ubuntu，因为NVIDIA显卡驱动导致的卡LOGO等问题，在grub里选择Ubuntu，按e进入启动选项，在quiet splash 后面添加 nomodeset，F10保存，就可以开机了，但是只能一次有效，做完第二步就可以直接开机了。

一、安装Nvidia显卡驱动

网上方法很多，但是这个我方法在各种电脑上都试过（甚至是工作站的Quadro显卡，Ubuntu18.04 Server系统上）没出现过任何问题。

1.禁用安全引导

UEFI的安全引导会阻止第三方驱动运行，导致无法安装驱动，所以需要禁用，禁用方法是进入BIOS，找到boot选项卡中的Secure Boot选项，设置为Disable，保存重启即可。

2.禁用默认驱动程序

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

在最后面添加以下内容

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

更新内核后重启

sudo update-initramfs -u

验证默认驱动是否成功屏蔽

lsmod | grep nouveau

若成功应该没有任何输出

3.添加Nvidia驱动源

如果网络原因导致下载缓慢，可以先更换apt源

sudo apt edit-sources

选择编辑器，然后将原先内容注释或者直接删除更换为新的国内源

#阿里源
deb http://mirrors.aliyun.com/ubuntu/ xenial main multiverse restricted universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main multiverse restricted universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-proposed main multiverse restricted universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main multiverse restricted universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main multiverse restricted universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main multiverse restricted universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main multiverse restricted universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-proposed main multiverse restricted universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main multiverse restricted universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main multiverse restricted universe

添加Nvidia驱动源

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

4.安装驱动

查询合适的驱动

ubuntu-drivers devices

稍等片刻就会出现一些提示（我的显卡是1050Ti移动版）

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C8Csv0000103Csd00008478bc03sc00i00
vendor   : NVIDIA Corporation
model    : GP107M [GeForce GTX 1050 Ti Mobile]
driver   : nvidia-driver-410 - third-party free
driver   : nvidia-driver-390 - distro non-free
driver   : nvidia-driver-415 - third-party free
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-440 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

== /sys/devices/pci0000:00/0000:00:14.3 ==
modalias : pci:v00008086d0000A370sv00008086sd00000034bc02sc80i00
vendor   : Intel Corporation
manual_install: True
driver   : backport-iwlwifi-dkms - distro free

选择带有recommended的版本的显卡驱动（我的是nvidia-driver-440）然后安装

sudo apt install nvidia-driver-440

重启后使用nvidia-smi查看显卡状态如果出现类似输出，并正确识别显卡型号，显存有占用就说明安装成功
在这里插入图片描述

二、安装CUDA和CUDNN

1.下载

在此选择需要的版本的CUDA下载
版本选择完后会引导到选择选择目标平台页面，这里选Linux x86_64 Ubuntu runfile(local)
如果有补丁，一起下载，先安装基础的再安装补丁包，补丁包过程类似

2.安装

运行安装程序

sudo sh xxxxxxx.run

看着英语提示安装，因为各个版本的CUDA安装步骤不太一样，关键是一定不要安装显卡驱动，因为已经装过了，再装会出错，其他的选项都是yes或者默认就行。

3.配置环境变量

将以下内容复制到/etc/bash.bashrc的末尾，这里是添加到系统环境变量里面了

export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后更新环境变量

source /etc/bash.bashrc

4.测试CUDA

可以使用自带例程确认CUDA安装成功

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

如果上面输出一堆你的显卡的信息，最后一个惹人爱的PASS就说明成功了

5.下载，安装CUDNN

在此下载CUDNN
比较烦人的是CUDNN需要英伟达开发者账号才能下载，可以使用普通的英伟达账号登录，选择Login with your social account >看着来，下载和CUDA版本对应的CUDNN，看不懂就网页翻译。
下载完之后解压，进入包含cuda文件夹的那一级文件夹，执行下面四行就安装完成了（如果你的cuda是默认安装路径的话）

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 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

查看CUDNN版本确认一下

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

出现一段C语言代码，算出CUDNN_VERSION的值就是CUDNN的版本。

三、安装Qt和opencv所需的依赖包

里面还包含一些实用工具像htop之类的，相信基本上是必备，已经安装的也不用去掉

sudo apt-get install -y \
    git \
    vim \
    htop \
    cmake \
    cmake-gui \
    screen \
    libavcodec-dev \
    libavformat-dev \
    libavutil-dev \
    libeigen3-dev \
    libglew-dev \
    libgtk2.0-dev \
    libgtk-3-dev \
    libjpeg-dev \
    libpostproc-dev \
    libswscale-dev \
    libtbb-dev \
    libtiff5-dev \
    libv4l-dev \
    libxvidcore-dev \
    libx264-dev \
    zlib1g-dev \
    pkg-config \
    libxcb*

如果想在Python3上使用，安装numpy，numpy需要Cython

sudo -H pip3 install Cython -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo -H pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

四、安装Qt

x86平台安装Qt是非常方便的，可以在Qt官网下载安装器，安装编译好的程序包，就是同样要注册账号
Qt账号注册
开源版Qt在线安装器下载
下载完使用权限运行安装器（不用权限无法安装到/usr/locat里面）
next会提示登录，如果账号没有许可证，自动是安装开源版
同意开源许可并等待检索仓库后就能看到各种版本了
安装目录更改到/usr/local/Qt
然后选择一个版本的Qt，选择其中的Desktop gcc 64-bit打钩，其他的不用更改然后下一步，等待就完成了。

五、安装Opencv4.1.1 with CUDA and Qt

1.下载源码

源码包 / 拓展包
CUDA支持和很多高级功能是在拓展库里的，所以都要下载，下载完解压到主目录下，两个文件夹挨着放，在opencv-4.1.1里新建一个build文件夹，存放编译缓存。

2.配置cmake

进入build文件夹，执行sudo cmake-gui，使用图形化配置
第一行地址栏定位到opencv-4.1.1文件夹，下一个定位到opencv-4.1.1/build，先Configure一遍，读取配置，然后开始配置

  1. 搜索CMAKE_INSTALL_PREFIX，安装位置，推荐默认位置/usr/local，这样就不用另外配置库路径了
  2. 搜索OPENCV_EXTRA_MODULES_PATH，定位到opencv_contrib-4.1.1/modules
  3. 搜索CMAKE_BUILD_TYPE，填Realease
  4. 搜索OPENCV_GENERATE_PKGCONFIG，打勾，否则pkg-config不管用
  5. 再Configure一遍，读取拓展包配置
  6. 搜索CUDA，全打勾
  7. 搜索WITH_QT，WITH_QT打勾
  8. 搜索WITH_OPENGL，WITH_OPENGL打勾
  9. 如果需要Python3，搜索BUILD_opencv_python3，打勾
  10. 再Configure一遍，读取模块配置
  11. 搜索Qt，确认Qt路径指向的是新安装的版本（不知道版本可以再Configure一遍，从配置输出的GUI选项中找到版本）如果完全按照我之前的方法安装，Qt5_DIR的路径应该是/usr/local/Qt/5.14.0/gcc_64/lib/cmake/Qt5其他的以此类推
  12. 再次搜索CUDA，全打勾，重新配置的过程中会有新的选项出现，例如CUDA_FAST_MATH（千万不要选WITH_NVCUVID否则绝对编译失败）
  13. 清空搜索再Configure，直到没有红色选项，检查最后的配置输出，确认没有问题
  14. Generate 生成Makefile

肯定会出现的问题：

  • 卡在IPPICV下载
    手动下载IPPICV对应版本然后修改opencv-4.1.1/3rdparty/ippicv/ippicv.cmake第47行那个网址为本地网址，例如file:///home/xxxx/Downloads/，指向下载的IPPICV所在文件夹，最后的/不能少，如果成功了，在配置输出的Other third-party libraries选项里会有IPP的版本
  • 卡在face_landmark_model.dat下载
    手动下载然后和上面一样修改opencv_contrib-4.1.1/modules/face/CMakeLists.txt
  • 卡在boostdesc或vgg_generated下载
    等着或者重试就好了这个就是费劲，但是能下，前面的两个是真的下不来

可能出现的问题：

  • 编译时dynlink_nvcuvid.h问题
    如果cuda使用的是10.0版本，并且在后面的编译过程中出现dynlink_nvcuvid.h找不到的错误，下载video_sdk，将里面的cuviddec.h 和nvcuvid.h拷贝到/usr/local/cuda-10.0/include/目录下，将nvcuvid.h 重命名为dynlink_nvcuvid.h，重新编译即可。

3.编译

在build文件夹下执行sudo make，可以开多线程编译-j8，具体多少线程看机器CPU核数和内存够不够。编译完成且没有错误执行sudo make install -j4，过程不长，可以不用开多线程，随便啦

4.验证

查看引用目录和库，输出较不带拓展库的OpenCV多了很多，如果这个生效不出意外就没问题了，程序测试就自己写去了

pkg-config opencv4 --cflags --libs

pkg-config

qq_25014669
关注
专栏目录
Cuda 5.5 + Qt5 + opencv 2.4.8 使用cmake+vs2012编译GPU加速的opencv
Learn something . Get something . Do something!
03-03 3645
花了4天终于编译完成，各种错误各种google，写下来以助后人。 一、生成解决方案 安装cmake、opencv、tbb、cuda 、qt5。注意cuda、qt5的版本和操作系统。 打开cmake，设置源代码和编译的二进制文件的目录；编译过程需要足够的存储空间，大概13G左右，所以要确保二进制文件目录所在磁盘足够大。 点击“configure”，选择相应的编
Ubuntu18.04安装 NVIDIA驱动+CUDA10.2+cuDNN+TensorRT
热门推荐
CosmosHua
08-03 9万+
系统：Ubuntu 18.04.5。显卡：RTX2080Super，独显无集成显卡。
Ubuntu系统安装+CUDA环境+Qt
weixin_42327821的博客
10-24 861
Ubuntu系统安装+CUDA环境+Qt
windows：Opencv使用Cmake & VS 编译， C++、python、Cuda、Qt 环境详细教学及踩坑 一 ：编译篇
最新发布
Bethxone的博客
07-19 2127
windows环境下对opencv对cuda、python、Qt、C++进行编译
ubuntu18编译opencv4.1.1——为了使用opencv的cuda加速
qq_38469784的博客
10-12 1855
网上教程挺多的的，我也是参考网上教程编译成功的，现在把我编译的过程发出来。 目的：使用opencv中的cuda加速函数。例如： frame1_gray = cv.cuda_GpuMat(image1) frame2_gray = cv.cuda_GpuMat(image2) opticalFlowGPU = cv.cuda_FarnebackOpticalFlow.create(3,0.5,False,9,3,5,1.2,0) flow = opticalFlowGPU.calc(frame1_gray,
ubuntu18.0.4安装opencv4.1.0及开启cuda
kkae8643150的专栏
09-01 826
转载 https://blog.csdn.net/ksws0292756/article/details/79511170 采用源码编译的安装方式，基本也就是这种方法了，首先在官网下载你想安装的版本的opencv压缩包，下载连接如下： https://github.com/opencv/opencv/releases 首先，安装一些依赖，根据自己的情况选择，如果不知道自己安装了那些依赖，就都输入一...
《OpenCV编译》十、安装CUDNN
Lizhifun
11-21 392
1、下载CUDNN，版本号要同CUDA SDK一致； 下载地址：https://developer.nvidia.com/cudnn-download-survey；输入账号登陆 2、下载完成后直接解压 3、分别将解压出来的文件夹复制到CUDA安装目录下： 4、添加环境变量 ...
cuda、cudnn、tensorflow以及nvidia GPU驱动安装
cvMat的博客
07-25 576
有一台服务器，在使用nvidia-smi命令是，提示： NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running. 解决方法（需有cuda安装经验）： 1）先...
ubuntu安装显卡驱动+cuda+cudnn教程（18.04+cuda10+cudnn9.05为例）
03-29
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 cuDNN。 安装 Nvidia 显卡驱动 首先，...
ubuntu18.04下载显卡驱动+CUDA+CUDNN
qq_60225495的博客
09-17 2364
目录1.CUDA官网下载CUDA11.1.02. runfile安装 1.CUDA官网下载CUDA11.1.0 CUDA官网 选择runfile版本的。 2. runfile安装 首先安装依赖： sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 然后： wget https://developer
【Ubuntu 18.04】安装 显卡驱动+CUDA+CuDNN 完全记录 (以 RTX 3090 为例)
闻韶
11-02 8217
新机安装 RTX 3090 显卡驱动 + CUDA + CuDNN 小记
教程-Ubuntu-18.04-安装Nvidia驱动程序和CUDA和CUDNN并构建用于gpu的Tensorflow：Ubuntu 18.04如何安装Nvidia驱动程序+ CUDA + CUDNN +为gpu逐步构建tensorflow命令线
02-06
在本教程中，我们将深入探讨如何在Ubuntu 18.04操作系统上安装Nvidia驱动程序、CUDA工具包以及CUDNN库，并进一步构建适用于GPU的TensorFlow环境。这是一个涉及多步骤的过程，需要对Linux系统、编译工具和深度学习...
ubuntu opencv带CUDA安装
weixin_34195142的博客
07-17 190
官方给定的必备安装包 build-essential (12.1ubuntu2) cmake (3.5.1-1ubuntu3) git (1:2.7.4-0ubuntu1.1) libgtk2.0-dev (2.24.30-1ubuntu1.16.04.1) pkg-config (0.29.1-0ubuntu1) libavcodec-dev : (7:2.8.11-0ubuntu0.16.0...
Ubuntu 18.04 qt5 cuda 10.2 cudnn 7.6.5下的OpenCV 4.4.0 C++编译
catscanner的博客
07-31 1104
下载opencv-4.4.0.zip unzip opencv-4.4.0.zip cd opencv-4.4.0.zip mkdir build cd build 安装依赖,参考How to install OpenCV 4.2.0 with CUDA 10.0 in Ubuntu distro 18.04 $ sudo apt update $ sudo apt upgrade $ sudo apt install build-essential cmake pkg-config unzip yas
01-深度学习-win10系统下配置OpenCV-DNN模块使用CUDA（支持nvidia 显卡加速）
qq_41719643的博客
08-09 2956
说明：这一块坑比较多，再参考了大量资料才成功实现，一次编译花费近两个小时，十分费神。笔者在前人基础上进行归纳终结，也记录了期间遇到的问题和解决方法，尽可能把实现步骤说明白。在此，也特别感谢博主：広仁，与他讨论了许多细节问题和错误，接下来进入正题。 1. 运行环境与前期准备 2. 使用cmake进行编译 3. 使用vs2017进行工程编译 4.测试 5. 遇到的问题 ...
Qt Cuda和OpenCV混合编程 提示找不到OpenCV库文件
wybdl的专栏
04-23 454
在cu文件中引用OpenCV库文件的时候（引用的库文件正确），无问题，但是编译构建的时候提示找不到OpenCV库文件， error: C1083: 无法打开包括文件: “opencv2/core.hpp”: No such file or directory。原因：网上各种搜索解决办法，大多是OpenCV引用路径错误引起，均不能解决问题，经过2天的折腾 终于找到原因：pro配置文件中的cuda 和OpenCV路径顺序错误。解决办法：调整pro文件中OpenCV和Cuda的配置顺序，最终解决。
ubuntu22.04安装OpenCV及Opencvcontrib,cuda,cudnn,pytorch
rotga的博客
08-07 1888
利用cmake的gui预编译时，第一次编译opencv主体过去后，还需要搜索nonfree,将其打上勾，搜索extra，将扩展包的module文件夹的路径填入，再搜索wechat，将其不要打勾，搜索qt，不要打勾，搜索face，不要打勾，所有xfeature2d,不要打勾，搜索cuda，打上勾，再次config，没有红字产生后，再次搜索cuda，有个fastmath，打上勾，搜索test，将所有小写的test的项都不要打勾。下面就开始编译，还是在这个打开camke gui 的文件夹下，命令行输入。
Linux系统中Qt应用程序确保使用集成显卡进行图形渲染
qq_45445740的博客
11-20 912
有一个Qt开发的应用程序，使用了Qt的OpenGL模块来渲染QImage加载的图片，当应用程序切换到图片渲染界面时，系统CPU占用率立马到了100%多，容易造成程序卡顿，可设备是自带集成显卡的，期望效果是用集成显卡进行图形渲染，以解决软件运行卡顿的问题。
Qt 调用CUDA静态库和动态库生成与配置
YBAdiam的博客
04-09 3155
前言 通过将CUDA相关计算操作放在库中，方便在项目中调用，省去了每次编译cu文件的麻烦，也便于集成到其他平台上。 关于部署CUDA加速的程序时，往往对CUDA加速的程序编译为动态链接库或者静态链接库。这两者导致的区别是，使用动态链接库，在目标机器上运行时，必须一并安装和编译库时一样的CUDA版本，而静态库没有这样的要求。可见静态库对使用者来说可能更加方便。 ...
Ubuntu18.04安装GPU++ CUDA+CUDNN指南
在【标题】"运行环境-ubuntu18.04+安装gpu++cuda+cudnn"中，提到的关键知识点包括： 1. Ubuntu 18.04：这是一个流行的Linux发行版，常用于服务器和开发环境，它提供了稳定性和广泛的软件支持。 2. GPU++：可能是指...
评论
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
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