安装 nvidia 驱动，cuda, 以及 cudnn

安装 nvidia 驱动是一个很坑的问题。至少对于我来说，按照 nvidia 官网的方式下载 .run 文件安装从来没成功过。最后我搜了内外网，找到了本文即将介绍的安装方式，很好用！

安装 nvidia 驱动

1. 添加 nvidia repository

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

1. 选择驱动版本并安装

ubuntu-drivers devices

显示可用的驱动版本，例如：

driver   : nvidia-410 - third-party free
driver   : nvidia-415 - third-party free
driver   : nvidia-418 - third-party free
driver   : nvidia-384 - distro non-free
driver   : nvidia-430 - third-party free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

如果要安装 410 版本，就用如下命令

sudo apt install nvidia-410

也可以选择 415, 418 等其他驱动版本。
上边显示的驱动可能会有变化，例如这样（中间多了 "driver" 字样）

driver   : nvidia-driver-410 - third-party free
driver   : nvidia-driver-415 - third-party free
driver   : nvidia-driver-440 - third-party free recommended
driver   : nvidia-driver-430 - third-party free
driver   : nvidia-driver-390 - third-party free
driver   : nvidia-driver-435 - third-party free
driver   : xserver-xorg-video-nouveau - distro free builtin

依然安装对应的驱动，例如

sudo apt install nvidia-driver-410

注意：如果在 BIOS 中将 secure boot 设置为 on，在上述安装过程中可能出现设置 secure boot 密码的相关提示。如果在安全性方面要求不是很苛刻，可以考虑将 secure boot 设置为 off.

1. 重启，然后看看系统设置中的附加驱动中是否添加了 nvidia 的驱动，如下

   

   Screenshot from 2019-01-21 20-09-07.png

   
   也可以通过用如下命令查看

nvidia-smi

其中 smi = System Management Interface。 如果安装成功，上述命令应该会显示驱动版本号 410。

如果重启之后运行 “nvidia-smi” 时出现如下错误：

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

一种可能的解决方法是在上述 "Software & Updates" 界面中选择其他驱动版本，尤其是较新的版本，Apply changes 之后重启，可能解决问题。

如果上述方式安装失败，可以参考这篇文章，尝试其他的安装方法。也可以参考这篇文章 中的安装方式。

安装 cuda

安装 cuda 是为了加速训练神经网络。首先去下边的网站确定一下本机 NVIDIA 显卡类型是否支持 cuda
https://developer.nvidia.com/cuda-gpus
只要不是太古老的 NVIDIA 显卡一般都支持 cuda。

如果训练中用到了 tensorflow，应该确认一下 cuda 版本与 tensorflow 版本的兼容性问题。有些程序指定要用某个版本的 tensorflow，那么就应该安装与之兼容的 cuda 版本。

 

versions.png

如果装了 cuda 10 ，但是训练程序使用 tensorflow 1.11，版本不匹配，运行程序时会提示类似如下的错误：

 ImportError: libcublas.so.9.0: cannot open shared object file

版本对应关系可以在这里查询。

PyTorch 的版本与 cuda 版本也有对应关系，在 PyTorch 主页 可以下载与 cuda 对应的版本，如果要下载更旧的版本，可以在这里 和 这里查找。

说到版本对应关系，cuda 对 nvidia GPU 驱动也是有最低版本要求的，可以查看这里。

确定要安装的 cuda 版本之后，按照 官网步骤安装即可。

例如，我选择的是 cuda 10.0

 

Screenshot from 2019-01-21 20-35-41.png

安装完了还需要检查一下是否成功。用如下命令：

nvcc -V

应该会显示 cuda compiler 版本，这样就说明 cuda 安装成功了。但是，有时候上述命令会提示找不到 nvcc，一个原因可能是确实没装好，但是也有可能cuda 装好了，但是 nvcc 所在路径没有加入系统路径中，所以系统找不到 nvcc 。

如果cuda 安装好了， nvcc 程序应该在路径 /usr/local/cuda/bin 中，可以直接在该路径下执行

./nvcc -V

也可以把 nvcc 加入系统路径中，例如在 .bashrc 文件最后加一句

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

安装 cudnn

这一部分也是按照官网的指导安装即可 https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html。
比较麻烦的一点是，需要先注册才能下载 cudnn 安装文件。

选择安装文件版本的时候，要与 cuda 版本匹配。

然后就是安装，我的机子是 ubuntu 16.04，所以就选了如下三个文件

 

 

参考网址：

1. https://www.jianshu.com/p/fc5edbd6f480