Ubuntu18.04 配置nvidia 460驱动、cuda10.1和cudnn7.6.5

最新推荐文章于 2024-06-04 10:48:55 发布

☞小星☜

最新推荐文章于 2024-06-04 10:48:55 发布

阅读量1.1k

点赞数 1

分类专栏： Nvidia显卡驱动 CUDA 文章标签： ubuntu

本文链接：https://blog.csdn.net/qq_52297947/article/details/125712327

版权

CUDA 同时被 2 个专栏收录

3 篇文章 0 订阅

订阅专栏

Nvidia显卡驱动

2 篇文章 0 订阅

订阅专栏

Ubuntu18.04 配置nvidia 460驱动、cuda10.1和cudnn7.6.5，并在同一系统中配置不同的CUDA版本以满足tensorflow版本的需求。以下源自各位大佬的博客，并进行整理。

1.安装Nvidia驱动

下文主要引自大佬的博客:
装机(三) linux显卡驱动，cuda及cudnn的安装，卸载，查看（https://blog.csdn.net/limiyudianzi/article/details/90751613）

1.1 检查并卸载残留的Nvidia驱动

先把之前的nvidia卸载干净（以下三条指令均可）

sudo apt-get remove --purge nvidia*
sudo apt-get --purge remove "*nvidia*"
sudo nvidia-uninstall

1.2 安装Nvidia驱动

Linux中NVIDIA驱动的下载地址如下:
链接: link
在这里插入图片描述
可以通过输入电脑型号筛选可以找到合适的版本；同样亦可通过终端指令筛选：

sudo ubuntu-drivers devices

下载对应的Nvidia驱动版本：

sudo apt install nvidia-driver-460

在快结束的时候会让输入一个secure boot的密码（一定要记住这个密码），在后面会用到。重启电脑(这一步很重要，不重启没有效果)：

reboot

重启就会出现一个蓝色的perform mok management 界面：
在这里插入图片描述
选择第二个enroll mok，然后选择continue，再选择yes，就会出现让输入密码的界面，准确输入你之前设定的secure boot密码，然后选择reboot。在输入密码时，是暗输入的，因此不必惊慌，确保密码正确即可。

在进入这个界面时，一定不要直接点击continue boot，否则会导致加载nvidia的驱动失败。如果点错后，则需要卸载并重新装一个nvidia驱动，然后再次重启电脑。
重启后，输入命令查看nvidia驱动是否安装成功：

nvidia-smi

在这里插入图片描述

GPU状态监测，可以输出gpu个数，温度，显存，在执行的任务等纤细信息，该命令正确通常就标志着显卡驱动安装无误。其中右上角CUDA Version:11.4表示可接受cuda的最高版本为11.4.

1.3参考链接及常见错误解决办法：

同时可能存在的问题也可以参见以下博客：
https://blog.csdn.net/qq_43744723/article/details/123959160
https://blog.csdn.net/qq_43744723/article/details/119111928

2.安装CUDA

cuda可以简单理解为一个能够使用GPU进行特定运算的运算平台。可以根据自己的需求，选择适合的版本。值得注意的是ubuntu系统驱动与cuda、cudnn以及tensorflow版本需要兼容才行！！！
pytorch版本，cuda版本，系统cuda版本查询和对应关系(https://www.cnblogs.com/Wanggcong/p/12625540.html)
在这里插入图片描述

2.1卸载残存的CUDA

验证系统内部是否已经安装cuda：

nvcc -V

若出现以下输出，则系统内部没有安装cuda。
在这里插入图片描述

如果需要卸载已有的cuda，官方卸载驱动方法如下：

sudo apt-get --purge remove "*cublas*" "cuda*"

2.2安装CUDA10.1

以下文章主要引自博客:
查看linux环境下cudnn是否安装,Linux下安装cuda和对应版本的cudnn
(https://blog.csdn.net/weixin_42303107/article/details/116812245?spm=1001.2014.3001.5506)
cuda下载的官网链接：
链接: cuda官网链接
在官网中查找适合自己电脑的cuda进行安装；在这里本文系统是Ubuntu18.04，选用的CUDA 10.1版本。
在这里插入图片描述
在进行cuda安装之前，需要先安装cuda的相关依赖库，防止cuda安装出现错误。命令行输入以下命令，进行相关依赖库的安装：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

随后可以安装官网教程进行cuda的安装；
推荐选择run文件安装，比较简洁；推荐用axel多线程下载安装包，速度更快， 10表示线程数。

axel -n 10 https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
#  wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
sudo sh cuda_10.1.243_418.87.00_linux.run

输入上述命令后，稍有卡顿，随后出现以下界面：
在这里插入图片描述
输入accept进行后续操作，随即出现以下界面：

因为在安装cuda之前已经安装了Nvidia的驱动，因此这里的第一项取消勾选，选择不安装驱动，随后选择Install进行后续操作。后续出现的一系列选项都可以选择yes，最终出现以下界面：
在这里插入图片描述
随后开始进行环境变量的配置：

打开命令行输入以下命令进行～/.bashrc文件的修改：

vim ~/.bashrc

在文件的末尾加入下面三行：

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

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

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

注意此处的环境变量路径指定为cuda，无需添加具体的cuda版本，以便于其他版本的cuda地安装与切换。
随后命令行输入以下命令保存并退出：

:wq!

在添加完环境变量后，需要更新一下环境变量，命令行输入以下命令进行环境变量的更新：

source ~/.bashrc

2.3 cuda查看

查看cuda的版本，如果nvcc方法输出正确则说明cuda已经成功安装cuda10.1

nvcc -V

在这里插入图片描述

3.安装cudnn7.6.5

Cudnn是建立在cuda之上，用于加速深度学习运算的库，其对运算的加速程度是肉眼可见的，所以虽然只有cuda就可以进行深度学习的运算，但是如果想要进一步的加速运算，cudnn是非常值得安装的。

3.1 卸载残存的cudnn

如果有之前的残留版本最好卸载干净

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

同时路径中的cuda字样，要根据现实来定，cuda有可能需要替换为cuda-10.0或者其他相应的版本。

3.2 安装cudnn7.6.5

cudnn官网
链接: cudnn官网
找到与cudn版本相匹配的cudnn压缩包进行下载。此处需要注册一个nvidia的账号，登陆之后才能正常的下载cudnn。在这里插入图片描述
进入到cudnn下载的安装路径下，命令行输入以下命令进行解压操作：

cp cudnn-10.1-linux-x64-v7.solitairetheme8 cudnn-10.1-linux-x64-v7.tgz 	#重命名
tar -xvf cudnn-10.1-linux-x64-v7.tgz		#解压
cd cuda		#进入cudnn解压后的文件夹

随后在当前路径的命令行终端输入以下三条命令进行cudnn的安装：

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*

安装，其实就是复制进去，这里路径的cuda为设定的软链接。当如果安装多个版本的cuda时，环境路径最好设置为对应版本的cuda，如cuda10.1。
至此cuda与cudnn全部安装成功。

3.3查看cudnn版本

查看cudnn版本：

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

4. 安装多个CUDA版本并实现自由切换

4.1 安装第二个版本的cuda和cudnn

多个版本的cudn安装方法可以参见以下两篇博客：
如何在ubuntu系统上安装多个cudn环境（及对应cudnn、pytorch 、torchvision安装方法）(https://blog.csdn.net/qq_44776613/article/details/116997774/)
Ubuntu16.04下安装多版本CUDA和cuDNN
(https://blog.csdn.net/elegantoo/article/details/105574133)
按照本文所引用的安装方式，是将/usr/local的cuda文件链接到了对应cuda版本的根目录。输入以下命令可以查看当前cuda文件的链接情况：

cd /usr/local/
stat cuda

随后输出以下信息：
在这里插入图片描述
在/usr/local目录下，可以安装多个版本的cuda，这里列出我电脑内的cuda版本：
其中cuda文件包含安装过程中设置的链接库，如果需要更换cuda版本，只需要删除之前创建的软链接，然后创建所更换版本的cuda的链接。终端操作如下：

sudo rm -rf /usr/local/cuda #删除之前创建的软链接
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda #创建新 cuda-10.0 的软链接

此时查看cuda版本，已经更改成功。
在这里插入图片描述

4.2 验证是否安装成功：

#编译并测试设备deviceQuery
cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

##编译并测试带宽bandwidthTest
cd ../bandwidthTest
sudo make
./bandwidthTest