ubuntu16.04安装cuda9.0(ubuntu18安装nvidia驱动)

大家好，又见面了，我是你们的朋友全栈君。

（安装：NVIDIA-384+CUDA9.0+cuDNN7.1）

Ubuntu 下安装CUDA需要装NVIDIA驱动，首先进入NVIDIA官网，然后查询对应NVIDIA驱动是否支持你电脑的型号。

第一步、安装NVIDIA GPU驱动

去NVIDIA官网查询是否支持我电脑的GPU如下

可以看出：GeForce 700M Series (Notebooks):

GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GT 755M, GeForce GT 750M, GeForce GT 745M, GeForce GT 740M, GeForce GT 735M, GeForce GT 730M, GeForce GT 720M, GeForce GT 710M, GeForce 720M, GeForce 710M, GeForce 705M

GeForce GT 745M为我电脑的型号，所以version：390.48是支持我的NVIDIAGPU驱动的。

所以第二部我们安装NVIDIA DISPLAY DRIVER version：390.48 执行如下代码：

第一部分：安装后续步骤或环境必需的依赖包

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install –no-install-recommends libboost-all-dev sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install git cmake build-essential

第二部分：安装显示驱动

去官网下载NVIDIA的显卡（GPU）驱动然后运行。或者直接终端上运行，执行如下代码。

?

执行结束后，重新启动系统

sudo reboot  #或者sudo shutdown -r now

开机后检测是否安装显示驱动成功

nvidia-settings  #或者直接点击dash开始界面输入NVIDIA查看

显示如下信息表示安装成功

配置环境变量

sudo gedit ~/.bashrc

在.bashrc中加入如下两行

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

第二步、安装NVIDIA CUDA

第一部分、先进入NVIDIA官网的CUDA Toolkit 下载界面

如下图所示，下载CUDA Toolkit

注意：这个地方的提示，要安装这个CUDA Toolkit 9.1，需要先安装至少NVIDIA DISPLAY DRIVER R390 版本3.90以上。

CUDA Toolkit

下载好CUDA Toolkit9.1后，执行如下代码进行安装（此处不需要安装OPGL），代码如下：

1 sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs    #run文件的文件名根据自己下的文件名修改，默认是我提供的文件 

添加环境变量：

sudo gedit ~/.bashrc

export PATH=/usr/local/cuda-9.0/bin:$PATH

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

source ~/.bashrc

验证CUDA9.0是否安装成功

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

输出如下信息表示成功安装

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

...

第三步、安装NVIDIA cuDNN
登录官网下载cuDNN 
这个需要申请账号，注册后进入官网，如下图所示


 
 
 

  
  
  　　cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。 

 
 
 

 
 
 

  
  
  下载链接：https://developer.nvidia.com/rdp/cudnn-download，需要注册之后才能打开，这里我们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNN v7.1.1 Library for Linux，如图所示： 

  
  
  

  
  
  下载下来之后解压安装，执行如下步骤： 

  
  
  
    tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz 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* 
  

  
  
   
   　　执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件。  
  

  
  
   
   终端中执行nvcc -V 显示如下信息则表示成功  pertor@pertor-computer:~$ nvcc - V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2017 NVIDIA Corporation Built on Fri_Sep__1_21:08 :03_CDT_2017 Cuda compilation tools, release 9.0, V9.0.176 

提示：

　　不建议安装CUDA 9.1 ，建议安装CUDA 9.0版本。CUDA 9.1里面自带387驱动，但是一般CUDA 9.1自带的驱动一般很难安装成功的，所以建议自己去单独安装384显示驱动。并且官网提示CUDA9.1 需要的显卡驱动必须至少是390以上版本，所以安装了384显卡驱动则需要安装CUDA9.0。

　　为了保险起见我们应该装CUDA 9.0和 nvidia-384这个版本。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/129770.html原文链接：https://javaforall.cn