英伟达

不算原创，也不是翻译啦，算转载厂家原文 11. Removing CUDA Toolkit and Driver Follow the below steps to properly uninstall the CUDA Toolkit and NVIDIA Drivers from your system. These steps will ensure that the uninstallation will be clean. RHEL/CentOS To remove CUDA Toolkit: $ sudo yum remove "*cublas*" "cuda*" To remove NVIDIA Drivers: $ sudo yum remove "*nvidia*" Fedora To remove CUDA Toolkit: $ sudo dnf remove "*cublas*" "cuda*" To remove NVIDIA Drivers: $ sudo dnf remove "*nvidia*" OpenSUSE/SLES To remove CUDA Toolkit: $ sudo zypper remove "*cublas*" "cuda*" To remove NVIDIA Drivers: $ sudo zypper remove "

* CUDA与cuDNN * 什么是CUDA * CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题 * 什么是CUDNN * NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。 * CUDA与CUDNN的关系 * CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。 * CUDNN不会对CUDA造成影响 * 从官方安装指南可以看出，只要把cuDNN文件复制到CUDA的对应文件夹里就可以

导语 学习 PaddlePaddle 深度学习框架，国产框架大家支持一下～里面有很多面向新手的教程，比如词向量训练、手写数字书别等经典深度学习实验，支持Docker直接复制环境，免的大家搭建环境了，直接docker run 结束战斗！ 由于要用到GPU资源，所以我们需要使用 NVIDIA-Docker ，但是官方并没有给出Deepin的安装过程。本着Ubuntu能用，Deepin也能的原则，我下载安装了Ubuntu的包，能够正常运行～ 系统环境 系统：Deepin 15.11 显卡驱动：410.48 Docker version 18.09.6 在安装nvidia-docker之前需要先安装好显卡驱动、docker。 docker安装命令 sudo apt install docker-ce nvidia官方给出的ubuntu安装nvidia-docker命令 # Add the package repositories $ distribution = $( . /etc/os-release ; echo $ID$VERSION_ID ) $ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - $ curl -s -L https://nvidia.github.io

我的笔记本配置的是 1050Ti 显卡，所以这里我依照自己的配置选择cuda与cuDNN的版本。本文后续部分主要也是转载 宽长高 博主的。但是与该博主不同的是cudnn我选择的是7.0.4（亲测不能选择 7.4.1版）。 这里附上我自己的tensorflow、CUDA、cuDNN的版本依赖图： 版本查看 1.下载cuda9.0 cuda9.0下载地址： cuda9.0 . 根据要求选择系统和版本进行下载即可 随后会出现对应的cuda安装包和更行包，全部下载再依次安装即可 下载完成后的文件就是这几个 接下来依次进行安装，首先安装最下面那个也就是基础包，然后按照1、2、3、4的顺序依次安装补丁包就行了。 2. 安装cuda9.0 2.1 首先安装cuda_9.0.176_win10_network 之后会检查系统兼容性，需要等一会 兼容性检查完成之后直接下一步就行了 在安装的时候选择自定义安装，取消visual studio这个选项，不取消老是安装失败，好像后面可以怎么设置，我没用到这个所以没管 接下来等着就行了 安装完后就出现这个界面 然后依次安装几个补丁包就行了。 在命令行里输入nvcc -V 能够看到安装的cuda版本就说明安装好了 3.安装cudnn7.0.4 首先在官网上下载cudnn7.0.4 for cuda9.0 cudnn下载地址 . 需要登录了才能下载

如果您刚开始使用 AWS IoT Greengrass，我们建议您使用 Raspberry Pi 或 Amazon EC2 实例作为您的核心设备，并且按照适合您的设备的 设置步骤 进行操作。要使用不同的设备或平台，请按照本部分中的步骤操作。有关支持的设备平台的信息，请参阅 Greengrass 核心平台兼容性 。 如果您的核心设备是 NVIDIA Jetson TX2，您必须先使用 JetPack 3.3 安装程序切换该固件。如果要配置不同的设备，请跳至步骤 2。 注意 您使用的 JetPack 安装程序版本基于目标 CUDA 工具包版本。以下说明使用 JetPack 3.3 和 CUDA Toolkit 9.0，因为 TensorFlow v1.10.1 和 MXNet v1.2.1 二进制文件（AWS IoT Greengrass 在 Jetson TX2 上提供用于机器学习推理）是针对此版本的 CUDA 编译的。有关更多信息，请参阅 执行机器学习推理 。 在运行 Ubuntu 16.04 或更高版本的物理桌面上，使用 JetPack 3.3 安装程序切换该固件，如 NVIDIA 文档的 下载并安装 JetPack (3.3) 中所示。 按照安装程序中的说明将所有软件包和依赖项安装在 Jetson 板上，后者必须通过 Micro-B 电缆连接到桌面。 以正常模式重启您的面板

官方github地址 https://github.com/NVIDIA/nvidia-docker 注意： nvidia-docker需要安装nvidia驱动和docker19.03，nvidia-docker相当就是cuda和cudnn部分 安装docker 参考: https://www.runoob.com/docker/ubuntu-docker-install.html 安装nvidia-docker 直接使用官方的安装命令就行 # Add the package repositories $ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) $ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - $ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list $ sudo apt-get update && sudo apt-get install -y nvidia-container

1 下载官方驱动程序： http://www.geforce.cn/drivers 选择合适的驱动 我选择430.09； 2 禁止集成的nouveau驱动 只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开： sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 空白文件，别着急，写入： blacklist nouveau option nouveau modeset=0 会出现警告，无所谓，不在意。 保存后关闭文件，注意此时还需执行以下命令使禁用 nouveau 真正生效： sudo update-initramfs -u 3 开始安装驱动 先按Ctrl + Alt + F1到控制台，关闭当前图形环境，并安装驱动 $sudo service lightdm stop $sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run //修改为自己的驱动文件 $sudo ./NVIDIA-Linux-x86_64-xxx.run -no-x-check -no-nouveau-check -no-opengl-files 然后会出现奇怪的界面

转自：https://blog.csdn.net/u014682691/article/details/80605201 一是：系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改 简单但是不提倡 二是：先官网下载好对应驱动编译 Nvidia中文官网是 http://www.nvidia.cn/page/home.html 1）打开终端，先删除旧的驱动： sudo apt-get purge nvidia* 2）禁用自带的 nouveau nvidia驱动 创建一个文件通过命令 sudo vim /etc/modprobe.d/blacklist-nouveau.conf 并添加如下内容： blacklist nouveau options nouveau modeset=0 再更新一下 sudo update-initramfs -u 修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau 3）重启系统至init 3（文本模式），也可先进入图形桌面再运行init 3进入文本模式，再安装下载的驱动就无问题， 首先我们需要结束x-window的服务，否则驱动将无法正常安装 关闭X-Window，很简单：sudo service lightdm stop，然后切换tty1控制台：Ctrl+Alt

ubuntu下安装NVIDIA-Docker 安装前的准备 第一步：移除所有的Docker资源 第二步：清除所有之前安装的NVIDIA-Docker 安装Docker 第一步：更新当前源，更新所需依赖 第二步：安装Docker 第三步：安装Docker-ce，以及客户端 第四步：添加用户名到组(注销生效) 安装NVIDIA Container Toolkit 第一步：设置变量，获取公钥及软件列表 第二步：下载安装 第三步：测试 安装前的准备 第一步：移除所有的Docker资源 docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f 第二步：清除所有之前安装的NVIDIA-Docker sudo apt-get purge -y nvidia-docker 安装Docker 第一步：更新当前源，更新所需依赖 ＃更新源 sudo apt update ＃下载所需要的依赖 sudo apt install apt-transport-https ca-certificates curl gnupg-agent software-properties-common 第二步：安装Docker #阿里云的Docker

在成功安装OpenPose（windows 10）后，去查看了 MMSkeleton的官方安装文档 ，requirements上显示： “Windows is not officially supported” 。 所以为了确保万无一失，我在一台电脑上安装了ubuntu系统，重头开始配置环境。 这篇博客详细记录了如何在Ubuntu上从零开始搭建各种环境。 软硬件环境： python 3.6.5 Ubuntu 18.04 LTS NVIDIA TITAN XP 0. 换源问题 （1）安装Anaconda镜像 conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes （2）更新pip源 mkdir ~/.pip sudo gedit ~/.pip/pip.conf 添加以下代码到pip.conf [ global ] trusted-host = mirrors.aliyun.com Index-url = https:/