英伟达

TensorRT安装&环境配置 环境: ubuntu14.04, Tesla P4, Python3.4, Cuda8.0, Cudnn7.1.3 概述： 从装有Ubuntu14.04和Python3.4的服务器上实现环境的配置。本文记录了在配置各个必要组件的环节中遇到的问题。 1. 配置Nvidia驱动 服务器显卡是Tesla的P4显卡，在2019.6.13这一天Nivida官网适用Linux-64bit，cuda tookit 8.0的对应驱动(这里指的只有runfile方式) 也只有一个可以下载，即NVIDIA-Linux-x86_64-384.66.run。在下载安装过程中遇到了以下几个问题。 第一个问题是下载问题。 Nvidia-Linux-~.run文件下载下来后，显示的文件大小和官网那个上标识的97m不同，我下载了两次都是95.55m和103m，在安装的时候都遇到了错误。 这里的解决办法就是重新下载驱动，这里的问题就是驱动受损，我重新下载第三次后成功。 第二个问题是意外。 如果lspci | grep NVIDIA 没有显示NVIDIA卡，又确定把卡插在了电脑里，那就说明，插卡的卡槽出了问题或者卡出了问题。 第三个问题是驱动瓦特问题 如果前面的步骤都没有问题，就是驱动瓦特了，重装一遍即可。 #卸载原来的驱动（残留在服务器里，还没办法用） $sudo apt-get

nvidia （glxinfo mesa-utils ） nvidia NVIDIA GPU IntelGPU PPA sudo add-apt-repository ppa:graphics-drivers nvidia Ubuntu Ubuntu-drivers devices recommended 4.重启系统并验证 Ubuntu自带的nouveau驱动是否运行： sudo apt-mark hold nvidia-390 系统配置 将配置修改成 在文件末尾添加 https://wiki.archlinux.org/index.php/NVIDIA_Optimus If X.Org X server version 1.17.2 or higher is installed ( [2] ) /etc/X11/xorg.conf Section "Module" EndSection Section "Device" EndSection Option "AllowEmptyInitialConfiguration" Centos 1 nouveau /lib/modprobe.d/dist-blacklist.conf nvidiafb #blacklist nvidiafb 然后添加以下语句： blacklist nouveau options nouveau

主要来源：https://blog.csdn.net/chenfeidi1/article/details/80866944 依赖条件 如果使用的 Tensorflow 版本大于 1.4.0，要求 CUDA 9.0 以上版本。 安装 nvidia-docker 下载安装包： $ wget https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker-1.0.1-1.x86_64.rpm 安装： $ rpm -ivh nvidia-docker-1.0.1-1.x86_64.rpm 启动 nvidia-docker 服务 $ sudo systemctl restart nvidia-docker 执行以下命令，若结果显示 active(running) 则说明启动成功： $ systemctl status nvidia-docker.service ... Active: active (running) since Thu 2018-05-10 14:12:25 CST; 5s ago ... 使用 nvidia-docker 查看 GPU 信息： $ nvidia-docker run --rm nvidia/cuda nvidia-smi 启动 Tensorflow： $

重装了一下cuda，然后发现nvcc命令不存在了， 终端提示使用 sudo apt-get install nvidia-cuda-toolkit 来使用nvcc。 注意不要使用这种方式安装，因为…… 装完发现： zym@hp:~$ nvcc --version nvcc: NVIDIA ( R ) Cuda compiler driver Copyright ( c ) 2005-2015 NVIDIA Corporation Built on Tue_Aug_11_14:27:32_CDT_2015 Cuda compilation tools, release 7.5, V7.5.17 实际上并不对，我电脑安装的是cuda10.0版本。 正确操作： 首先卸载刚才安装的nvidia-cuda-toolkit，： $ sudo apt-get autoremove nvidia-cuda-toolkit 然后进入 cd /usr/local/cuda 查看cuda的bin目录下是否有nvcc, 有的话直接将cuda路径加入系统路径就可以了 可以写入~/bashrc里面 export PATH=/usr/local/cuda-10.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY

http://geyao1995.com/CUDA8_CUDA9/ tensorflow1.5版本竟然不支持CUDA8.0了 卸载是不可能卸载的 CUDA9.0下载： https://developer.nvidia.com/cuda-90-download-archive .run .deb 可能会将已经安装的较新的显卡驱动替换。 cuDNN7.0下载（需要注册账号，注意选择对应CUDA9.0的版本）： https://developer.nvidia.com/cudnn 对于cuDNN7.0的安装方式选项，我选择的是 cuDNN v7.0.5 Library for Linux ，对应于 cudnn-9.0-linux-x64-v7.tgz 文件，解压之后放到cuda-9.0文件夹中就可以。 本机已经安装的版本是CUDA8.0和cuDNN5.1 不去网上瞎找教程，参考官方文档 CUDA（看左上角是不是CUDA9.0版本的文档，如果显示最新版本，需要去找旧的9.0版本）： https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html cuDNN： https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

1.首先去英伟达官网下载自己版本的驱动 我下载的是 NVIDIA-Linux-x86_64-430.14.run 为了方便，我们把驱动复制到自己的家目录 cp ~/Download/NVIDIA-Linux-x86_64-430.14.run ~/ 2.切换到纯命令模式(ctrl+alt+f1),登录 3.关闭lightdm service sudo service lightdm stop 4.卸载之前有问题的驱动 sudo apt-get autoremove nvidia* 5.给个执行的权限 sudo chmod a+x NVIDIA-Linux-x86_64-430.14.run 6.安装驱动 sudo ./NVIDIA-Linux-x86_64-430.14.run ，弹窗一路选左边的选项就ok 7.开启lightdm service sudo service lightdm start ，会黑屏进入图形化界面 8.查看显卡状态和驱动 nvidia-smi ，如下图，安装成功。 文章来源: https://blog.csdn.net/xiaohuhu11/article/details/90339697

具有可切换Intel / Nvidia显卡（Nvidia Optimus）的笔记本电脑将始终使用英特尔显卡。Optimus的工作方式是Nvidia GPU作为协处理器。如果指定游戏使用Nvidia GPU，它会在Nvidia GPU上呈现完整的帧。然后将完成帧传输到Intel GPU。然后英特尔GPU将其显示在屏幕上（全屏或窗口）。因此，即使游戏使用的是Nvidia GPU，英特尔GPU仍然可以正常工作。这就像让vsync始终打开一样，两个GPU充当两个帧缓冲区。 如果在Optimus笔记本电脑上禁用Intel GPU，笔记本电脑将恢复到基本的VGA图形模式，直到重新安装英特尔驱动程序。有一些游戏笔记本电脑具有真正的硬件可切换GPU（将有一个BIOS选项使用英特尔或Nvidia GPU）。还有一些将Nvidia GPU连接到外部显示器端口，因此在外部显示器上运行的游戏将使用Nvidia GPU而无需英特尔GPU的帮助。 通常情况下，需要使用这个选项的唯一情况是不想要vsync（使用Optimus无法禁用）。或者对于一些非常老或编程不好的游戏。这些游戏假设计算机只有一个GPU。当游戏开始时，它会搜索GPU，并首先找到Intel GPU。此后，游戏将只使用英特尔GPU。即使您指定Nvidia GPU在Optimus中使用它，游戏仍然会在Intel GPU上运行。强制它使用Nvidia

第一：安装ppa的显卡驱动源 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update 第二：检查显卡和推荐驱动 ubuntu-drivers devices 现实如下结果： ffly@noi:~$ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001F08sv000010DEsd000012FDbc03sc00i00 vendor : NVIDIA Corporation driver : nvidia-driver-415 - third-party free driver : nvidia-driver-418 - third-party free driver : nvidia-driver-430 - third-party free recommended driver : xserver-xorg-video-nouveau - distro free builtin 推荐的是430显卡。 第三：安装 sudo apt install nvidia-driver-430 第四：重启并检查： nvidia-smi 如果输出： ffly

卸载nvidia驱动时出现错误： $sudo apt purge nvidia-alternative glx-alternative-nvidia $sudo apt --fix-broken install dpkg: dependency problems prevent configuration of glx-alternative-nvidia: glx-alternative-nvidia depends on glx-diversions (= 0.8.3); however: Package glx-diversions is not installed. dpkg: error processing package glx-alternative-nvidia (--configure): dependency problems - leaving unconfigured dpkg: dependency problems prevent configuration of nvidia-alternative: nvidia-alternative depends on glx-alternative-nvidia (>= 0.8.3~); however: Package glx-alternative-nvidia is not configured

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/huiyuanliyan/article/details/88831771 Jetson平台目前已经推出了5款产品 5个产品使用的硬件架构都不一样，提供的接口和性能都不一样。K1属于探索性产品，TX1 TX2 Xavier算是逐代升级，最新推出的Nano主打便宜。 1. 初代产品TK1 售价不详，2018年已经下架，官方介绍 长这个样子。 TK1的套件内容 参数 2. 二代产品TX1 教育售价2899RMB 官方给介绍 深度学习 、 计算机视觉 AI 计算 。 长这个样子 套件 性能参数 3.三代产品TX2 教育售价2899RMB 官方介绍 。更棒的是，它性能强大，但外形小巧，节能高效，非常适合机器人、无人机、智能摄像机和便携医疗设备等智能边缘设备。它支持 Jetson TX1 模块的所有功能，同时可以铸就更大型、更复杂的深度神经网络。 长这个样子 技术参数，与TX1对比 4.四代产品Xavier 教育售价7099RMB 官方介绍 长这个样子 参数 5.最新产品Nano 售价899RMB，官方介绍是（这个设备太新了，中文官网还没更新相关信息，这是从英文主站上扒下来的介绍） NVIDIA Jetson Nano enables the development of millions of