英伟达

1. system: kubuntu: 18.04, i have install nvidia driver 390.48. there are two userful links to install driver: 2.https://askubuntu.com/questions/661922/how-am-i-supposed-to-use-nvidia-prime?utm_medium=organic&utm_source=google_rich_qa&utm_campaign=google_rich_qa in kubunt, i use the system setting drivers to choose nvidia drivers. in debian, i use official site with nvidia and nvidia-prime to install nvidia drivers. 2.install cuda CUDA Toolkit and Compatible Driver Versions : https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 3. use local cuda9.0 deb to install , and i

此文为转载文章，亲测有效，原文链接： Ubuntu16.04+1080ti+cuda9.0+cudnn7.04+tensorflow1.6配置 关于如何安装 Ubuntu16.04 以及显卡驱动、网卡驱动问题，你可以阅读这三篇篇 Dell Alienware Aurora R6 （1080ti）安装Ubuntu17.04记录 （解决显卡驱动、系统安装） Ubuntu17.04+1080ti+cuda9+cudnn7+tensorflow1.4/1.3配置 （解决cuda9和tensorflow1.4/1.3不兼容） 深度学习主机配置：Ubuntu16.04+1080ti+cuda8+cudnn6+tensorflow1.3 （解决Ubuntu16.04无线网卡驱动） 请对照选项，解决相应的问题。这里我要强调一点 显卡驱动 现在可以安装 387 （推荐安装）。这里要说的一点是： 请查清楚对应显卡驱动的稳定版本 我这篇文章的目的是希望给你提供一个正确的安装思路，不是对于一些问题的特解，而是一个更加广泛的解决思路 。 首先，我要先说几个重点 不要安装非长期支持的 Ubuntu 版本（17.04，17.10） tensorflow 版本请和 cuda 、 cudnn 配套 关于第一点，如果你安装了非长期支持的版本（非 LTS ），那么你会面临的问题就会非常多

nvidia-smi所在的位置为： C:\Program Files\NVIDIA Corporation\NVSMI cmd进入目录输入命令即可： 文章来源: Windows用命令查看nvidia的GPU

第一步 安装NVIDIA显卡驱动 1. 打开terminal（怎么打开？纳尼问度娘！），输入sudo apt-get update 更新系统（NVIDIA比较新的内核版本和ubuntu新版本有一定的对应关系；注意更新之后下次打开系统的时候在ubuntu选择页面选择新的内核的ubuntu，那个是新的？当然是数字大的那个就是啊） 2. 安装显卡驱动 打开 系统设置-软件更新-附加驱动，选择见图： 3.这里重启电脑！！！ 打开NVIDIA X Server Settings,图像如下就是安装成功啦（网上其他验证方法都可以参考啦） ps:如果中途哪里弄错了，还是可以卸载原驱动重新安装滴，卸载方法： sudo apt-get remove --purge nvidia --*,重新安装请看第一步即可。 第二步 安装CUDA8.0 1.下载CUDA8.0 CUDA 8.0下载地址： https://developer.nvidia.com/cuda-80-ga2-download-archive 选择linux的deb版本，选择如下图，网上也有选择runfile版本，deb版本下好后是一个beb文件，runfile下好后是一个run文件，这两种都可以 2. gcc降低版本，其实ubuntu16.04自带的gcc5.4是支持我们下的这个比较新cuda8.0.61版本的，不降级是可以的。

最枯燥的东西，看了忘，忘了还不想看......了解一下吧。 一、GPU发展简史 GPU英文全称Graphic Processing Unit,中文翻译为“图形处理器”，在现代计算机系统中的作用变得越来越重要。 20世纪六七十年代，人们只是从软件实现的角度考虑图形用户界面的规范问题，并没有GPU的概念。 20实际70年代末，GPU概念被提出，使用单片集成电路（mobilithic）作为图形芯片，GPU被用于视频游戏方面，只能够快速合成多张图片。80年代末，基于数字信号处理芯片（digital signal processor chip）的GPU被研发出来，速度更快，功能更强，价格昂贵。1991年，S3 Graphics 公司研制出第一个单芯片2D加速器，1995年，主流的PC图形芯片厂商都在自己的芯片上增加了对2D加速器的支持。 1998年NVIDIA公司宣布modern GPU的研发成功，标志着GPU的研发的历史性成为现实。20世纪70年代末到1998年的这一段时间称之为pre-GPU时期，而自1998年往后的GPU称之为 modern GPU。在pre-GPU时期，一些图形厂商，入SGI、Evans &Sutherland,都研发了各自的GPU，这些GPU在现在并没有被淘汰，依然在持续改进和被广泛的使用，当然价格比较昂贵。 modern GPU 使用晶体管（transistors

（文章来自作者维护的社区微信公众号【虚拟化 云计算 】） 2018年5月14日，NVIDIA发布NVIDIA virtual GPU software 6.1 (390.57/391.58)，正式增加了对RedHat KVM虚拟化上NVIDIA virtual GPU支持。 软硬件支持情况 详细支持见： https://docs.nvidia.com/grid/6.0/product-support-matrix/index.html Host中需要安装vGPU Manager RPM NVIDIA-vGPU-rhel-7.5-390.57.x86_64.rpm NVIDIA vGPU Architecture Virtual GPU 类型选择 Q-series virtual GPU types are targeted at designers and power users. B-series virtual GPU types are targeted at power users. A-series virtual GPU types are targeted at virtual applications users. 注：M6和M60支持在图形模式和计算模式间切换 https://docs.nvidia.com/grid/6.0/ 关注微信公众号【虚拟化 云计算 】

官网 https://www.tensorflow.org/ ，可以直接参考：官方安装教程，就懒得搬运了。不过需要自备梯子，没有的可以看后文。 （2018.05.24版） 本人是GeForce GTX 960M的渣笔记本显卡，算是刚够到gpu版本的及格线上。目前安装的是1.8.0TensorFlow的gpu版本。不同版本对cuda和cudnn版本要求不一样，坑爹的是兼容性感觉不怎么样，最好是按官方要求的版本。 操作系统上官网是这么写的，需要符合的操作系统 我们已在如下配置的 64 位笔记本电脑/台式机操作系统中构建并测试过 TensorFlow： MacOS X 10.11 (El Capitan) 或更高版本 Ubuntu 16.04 或更高版本 Windows 7 或更高版本 也许您能在其他笔记本电脑或台式机系统上安装 TensorFlow，但我们只支持上述配置（且只会修复这些配置中的问题）。 可以仅仅安装CPU版本的，也可以安装gpu版本的。如果硬件支持的话，建议装gpu版本的，速度差很多。 您必须从以下 TensorFlow 类型中选择其一来进行安装： 仅支持 CPU 的 TensorFlow。 安装gpu版本的要麻烦很多，要求如下： 运行支持 GPU 的 TensorFlow 所需满足的要求 如果您要使用本指南描述的其中一种方式安装支持 GPU 的 TensorFlow

Ubuntu16.04+CUDA8.0+Theano-0.8安装教程 Theano的安装真的是一部血泪史，花费了一个多星期的时间，终于在win7下和Ubuntu下安装theano成功，并且安装cuda、配置GPU工作。期间排了N多的坑，在这先说一下注意事项（避免各种坑）： 如果选择在Windows下安装Theano，请参考另一篇博文：https://blog.csdn.net/hczhcz0905/article/details/80422169 操作系统：Ubuntu16.04LTS 步骤如下： (1):检查自己的显卡信息，检查GPU是否支持CUDA 终端输入：lspci | grip -iVGA 然后去cuda官网查看自己的GPU版本是否在CUDA 的支持列表中。 可以看到gcc版本高于5.0,由于cuda8.0版本以后已经支持了gcc高于5,如果选择安装cuda7.5或更低的话，需要降低gcc的版本。 （3）安装NVIDIA驱动，由于cuda自带的驱动可能无法定位内核信息，所以先安装驱动程序。 先卸载之前的驱动程序：$ sudo apt remove --purge nvidia* 添加Graphic Drivers PPA $ sudoadd-apt-repository ppa:graphics-drivers/ppa $ sudo apt-get update

NVProfiler Visual Profiler nvprof 1.1. Focused Profiling 不需要对程序做任何修改就可以进行profiling，说明依赖的是GPU上的硬件计数器等等，和程序无关。但是可以通过一些开始和结束标识来标记profiling开始和结束的位置，来达到更好的效果，几种典型的场景适合这种固定区域的profiling： 代码分为初始化，拷贝数据，算法kernel运行，拷贝数据，数据校验和后处理，感兴趣的位置是kernel，此时可以采用； 程序是分阶段的，每个阶段互相之间无依赖，每个阶段有不同的算法kernel，此时可以对每个阶段单独分析 程序的迭代次数很多，每次迭代之前性能变化不明显，此时可以对一小部分迭代做分析 API接口： cudaProfilerStart()/cudaProfilerStop() cuda_profiler_api.h cuProfilerStart()/cuProfilerStop() cudaProfiler.h 1.2 Marking Regions of CPU Activity Visual Profiler可以看到所有cpu线程如何调用cuda kernel，为了看到CPU线程在执行GPU函数之外的执行轨迹，需要使用NVIDIA Tools Extension API (NVTX)来修改应用程序

禁用nouveau 打开 /usr/lib/modprobe.d/dist-blacklist.conf 添加两行： blacklist nouveau options nouveau modeset=0 重建文件系统 mv /boot/initramfs-$( uname -r).img /boot/initramfs-$( uname -r)-nouveau.img dracut /boot/initramfs-$( uname -r).img $( uname -r) 安装dkms 1 sudo yum install kernel-devel 2 sudo yum -y install epel-release 3 sudo yum -y install dkms 重启安装NVIDIA驱动 ./NVIDIA-Linux-x86_64- 384.90 -1080ti.run 来源：博客园 作者： jxmer 链接：https://www.cnblogs.com/jxmer/p/11775034.html