英伟达

1.官方教程 https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#ubuntu-installation 2.在 http://developer.nvidia.com/cuda-downloads 上下载安装包 3.到安装文件目录下运行.run文件，输入accept sudo sh cuda_10.1.168_418.67_linux.run //此处一度以为没反应。其实就是这样，等就对了 4.我之前已经安装了Nvidia的显卡驱动，这里不安装driver 5.安装完成 　　安装的过程不会有任何信息输出，等就对了 　　 6.添加环境变量 vi ~/.bashrc 在文件末尾添加 export PATH="/usr/local/cuda-10.1/bin:$PATH" export LD_LIBRARY_PATH="/usr/lcoal/cuda-10.1/lib64:$LD_LIBRARY_PATH" 最后使其生效 source ~/.bashrc 7.终端输入 cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery sudo make ./deviceQuery 出现Result = PASS则表示安装成功通过 来源： https:/

通过nvidia-prime可以在nvidia-settings里手动进行双显卡切换，比如从Nvidia性能模式切换为Intel节能模式。 Ubuntu的私有驱动库restricted里收录了 Nvidia官方的图形驱动 ，我们可以很方便地使用apt-get或者在图形化的Ubuntu软件中心里进行安装： sudo apt-get install nvidia-331 nvidia-settings nvidia-prime 跟Windows一样，安装显卡驱动需要重启才会生效。 Nvidia官网同样为Linux提供有驱动安装程序，比如针对64位Linux的最新稳定版本331： http://www.geforce.cn/drivers/results/75062 不过个人还是建议直接用apt-get进行安装，apt-get会根据系统类型自动选择安装32位还是64位的驱动，而且 restricted库里的驱动一般都经过Ubuntu测试，相对来说更稳定，操作起来也更 方便 。 Nvidia显卡的控制面板 nvidia-settings的 快捷方式位于/usr/share/applications/nvidia-settings.desktop 你可以链接一个到桌面，方便进行显卡设置。 你也可以直接Alt+F2运行 nvidia-settings打开 控制面板，比如 在Thermal

测试电脑为个人使用的笔记本电脑，处理器为i5-3230M，显卡为GT630M，气温在20°C～21°C左右。 其中Windows使用驱动精灵里的温度监控功能查看温度，Ubuntu则使用sensors查看CPU温度和在nvidia-settings（Linux上的Nvidia控制面板）查看显卡温度。 Ubuntu安装的是Nvidia官方331驱动，由nvidia-prime提供双显卡切换支持，安装方法请参看我的这篇博文： http://my.oschina.net/eechen/blog/227134 Windows 7 Nvidia GPU 无活动 CPU温度：42 °C， 41 °C GPU温度：38 °C 如图所示： Windows 7 Nvidia GPU 1个程序（Nvidia控制面板里的预览程序） CPU温度 ： 43 °C， 42 °C GPU温度 ： 40 °C 如图所示： Ubuntu 14.04 运行在 Intel 节能模式下 CPU温度 ： 38 °C， 37 °C GPU温度 ： 无 （状态为rev ff） 如图所示： Ubuntu 14.04 运行在 Nvidia 性能模式下 CPU温度 ： 39 °C， 40 °C GPU温度 ： 38 °C 如图所示： 结论： Ubuntu下CPU和GPU的温度并不比Windows上高

1.卸载系统里低版本的英伟达驱动 sudo apt-get purge nvidia* 2.把显卡驱动加入PPA sudo add-apt-repository ppa:graphics-drivers sudo apt-get update 3.查找英伟达显卡驱动最新版本号 sudo apt-cache search nvidia 使用终端命令查看Ubuntu推荐的驱动版本 ubuntu-drivers devices 4.然后打开系统里的软件和更新，点击附加驱动，选择nvidia-driver-418进行应用更改。 5.安装完成后重启系统即可，会发现多了一个名为“NVIDIA X Server Settings”的显卡驱动应用。 来源： https://www.cnblogs.com/penuel/p/11319022.html

20180827_使用anaconda创建虚拟环境安装不同深度学习框架 20180830_ROS开发笔记（8）——Turtlebot3 Gazebo仿真环境下深度强化学习DQN（Deep Q-Learning）开发环境构建 20180523_ubuntu+python2.7+tensorflow-gpu安装 20180131_Ubuntu 16.04 GTX950M + cuda9.0 + cuDNN7.0 + TensorFlow 1.5 / 1.8 安装记录 重点文章： NVIDIA cuDNN CUDA Tensorflow版本对应 最终决定按照 深度学习环境搭建 来搭建 到 nvidia官网 查到gpu对应显卡驱动版本是440.36 目前手头上有 NVIDIA-Linux-x86_64-390.87.run cuda_8.0.61_375.26_linux.run cuda_9.0.176_384.81_linux.run cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb cudnn-9.0-linux-x64-v7.1.solitairetheme8 所以选择： 最新版nvidia驱动（无） NVIDIA-Linux-x86_64-390.87.run（有） cuda_9.0.176_384.81_linux

近几年深度学习在物体检测方面出现了许多基于不同框架的网络模型，不同模型需要不同的版本的Python、TensorFlow、Keras、CUDA、cuDNN以及操作系统。不得不说，要把经典物体检测网络的源码都跑通，单配置环境就要浪费很多时间，因为目前兼容这些经典网络的框架和环境还很少。新版的TensorFlow在models的 objection-detection 模块中包含了fast-rcnn、rfcn、SSD几种网络，不过开发环境是基于Ubuntu的，因此我对该环境进行了配置。 我的运行环境为： Ubuntu16.04LTS CUDA9.0 cuDNN7.0.5 AMD Ryzen 1600 NVIDIA GTX1070 1.Ubuntu安装环境选择 Ubuntu版本很多，首选LTS版本。现在已经有了18.04LTS，装上后界面丰富好看了，不过在运行Python和TensorFlow环境下的代码时出现了一些未知问题，有关排故的信息也比较少，所以我重新安装了16.04LTS。安装时可先使用 深度U盘启动工具 (我使用的是UEFI版）制作Ubuntu启动盘，然后在电脑安装，具体过程百度即可。我以前使用的是双系统安装，但时间长了以后Ubuntu系统会出问题，有时需要进入grub模式进行修复，操作不当会导致无法进入Windows系统。所以后来我就把两个系统安装在两个硬盘上

1.使用nvidia-docker 1)nvidia-docker1, 使用nvidia-docker 指令替代docker指令 2)nvidia-docker2, 还是使用docker指令，但是要加--runtime=nvidia 的标志。 关于配置，宿主机一定要有nvidia的驱动，nvidia-docker会把宿主机的nvidia驱动和显卡设备信息带至容器内部。 容器内部，需要安装与nvidia驱动版本兼容的CUDA,CUDNN等。 推荐使用这种方法，比较方便。 2.使用原生docker 与使用nvidia-docker的区别就是 1）需要在容器内部安装nvidia的驱动 2）执行指令需指定显卡设备 export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}') docker run -it --rm $DEVICES 。。。 docker 容易可以从docker hub上下载，比如pytorch的docker 下载开发版本就可以了，docker pull pytorch/pytorch:0.4-cuda9-cudnn7-devel。 然后继续安装缺少的环境就可以了。 来源： CSDN 作者： 牛蛙爹爹 链接： https://blog.csdn.net/qian1122221/article

折腾了一周多，踩了好多坑，终于搞定了。步骤如下： 安装NIVIDIA的GPU web驱动程序 cuda不推荐使用苹果的系统自带驱动，所以安装NIVIDIA出的GPU型号（GeForce GT 650M）对应的WebDriver-387.10.10.10.40.118。 下载地址 https://www.nvidia.com/download/driverResults.aspx/142160/en-us 安装NIVIDIA的CudaDriver 从这里下载 https://www.nvidia.com/object/mac-driver-archive.html 安装xcode 因为当前最新版cuda10.0不支持最新的xcode10，所以必须安装xcode9.4 我把两个版本都安装了，用如下命令可以切换使用不同版本的xcode： sudo xcode-select -s /Applications/xcode10.1.app 或者 sudo xcode-select -s /Applications/xcode9.4.1.app 实际只需要安装xcode9.4即可 旧版本xcode需要下载之后才能安装，下载地址https://download.developer.apple.com/Developer_Tools/Xcode_9.4.1/Xcode_9.4.1.xip

ubuntu版本为16.04.1 LTS (Xenial Xerus)。 本系统已安装nvidia驱动，但是未安装docker。 参考官方文档进行安装： https://docs.docker.com/install/linux/docker-ce/ubuntu/ 然后在参考nvidia-docker github页进行安装： https://github.com/NVIDIA/nvidia-docker 一体化安装脚本： sudo apt-get remove docker docker-engine docker.io containerd runc sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - echo "chekc the fingureprint!" sudo apt-key fingerprint 0EBFCD88 sudo add-apt-repository \ "deb [arch=amd64]