英伟达

记录自己ubuntu18.04安装pytorch的心得，anaconda3-5.2已经安装好，这里不再详述。 目录 1.CPU版本Pytorch安装 2.GPU版本Pytorch安装 3.相关网址及总结 1.CPU版本Pytorch安装 CPU版本的pytoch安装比较简单，在 Pytorch官网 中选择python版本，运行conda或者pip命令即可，如下图所示。注意，为了方便多个Python版本的管理，通常需要在 anaconda中创建新的环境空间 。 2.GPU版本Pytorch安装 GPU版本的pytorch安装比较复杂，在安装pytorch之前，通常需要安装显卡驱动，cuda和cudnn， CUDA 是NVIDIA推出的用于自家GPU的 并行计算框架 ，也就是说CUDA只能在NVIDIA的GPU上运行； cuDNN （CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的 加速库 ，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型， cuDNN不是必须的，但是一般会采用这个加速库 。CUDA是必须的，cudnn是可选的。 通常需要考虑： （1）检查显卡型号是否支持GPU运算 检查方法：终端输入 ubuntu-drivers devices 得到以下结果： 图中，“model”对应的就是电脑显卡型号，

第一步：先安装好nvidia驱动 第二步：打开终端，输入命令：nvcc --version，查看是否安装了cuda 运行命令：nvidia-smi 可以看到CUDA Version：10.2 第三步：入官网下载cuda10.2版本，按下面选好后，会给出安装命令 wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda-repo-rhel8-10-2-local-10.2.89-440.33.01-1.0-1.x86_64.rpm sudo rpm -i cuda-repo-rhel8-10-2-local-10.2.89-440.33.01-1.0-1.x86_64.rpm sudo dnf clean all sudo dnf -y module install nvidia-driver:latest-dkms sudo dnf -y install cuda 第四步：打开~/.bashrc，加入配置信息 [root@localhost ~]# vi ~/.bashrc export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY

第一步：查看显卡类型 [root@localhost ~]# lshw -numeric -C display 显示显卡类型：product: GK107 [GeForce GTX 650] [10DE:FC6] 显示驱动是nouveau：configuration: driver=nouveau latency=0 Nouveau是第三方为NVIDIA显卡开发的一个开源3D驱动，没有得到NVIDIA的认可与支持。 第二步：到nvidia官网下载对应驱动 https://www.nvidia.com/Download/index.aspx# NVIDIA-Linux-x86_64-440.44.run 第三步：安装驱动所依赖的软件包 # yum groupinstall "Development Tools" # yum install kernel-devel epel-release # yum install dkms 第四步：禁用nouveau,通过修改配置 /etc/default/grub [root@localhost ~]# vi /etc/default/grub 原来的设置 1 GRUB_TIMEOUT=5 2 GRUB_DISTRIBUTOR="$(sed 's, release .*$,,g' /etc/system-release)" 3 GRUB

显卡设备：英伟达1060 系统：Windows10 python版本：3.7.4 CUDA：cuda_10.0.130_411.31_win10 cudnn：cudnn-10.0-windows10-x64-v7.6.5.32 tensorflow:gpu1.14 一 安装python3.7.4 　　 https://www.python.org/downloads/windows/ 下载安装 二 安装cuda： 　　1.首先更新显卡驱动； 　　2.桌面右键-NVIDIA控制面板-帮助-系统信息-组件，可以查看当前设备支持的最高cuda版本。 　　我更新驱动之前支持最高到8，更新后就支持10版本了。 　　 　　3.下载cuda 　　 https://developer.nvidia.com/cuda-downloads 　　安装。一直下一步就行。选择组件的时候可以不选择显卡驱动，如果你的驱动比较新。 　　4.环境变量 　　 三 cudnn安装 　　1 下载 https://developer.nvidia.com/rdp/cudnn-archive cuda和cudnn有对应版本关系。 　　2.解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。 　　　　解压后其实是三个文件夹，合并到cuda的安装目录中就可以了。 　　　　默认路径是C:

文章目录 首先问题是u盘插到电脑上就已经在卡logo了 :只好在开机的时候按F12进入选择界面，然后按F6选择nomodest(集显) 其次是安装完之后进到系统里装驱动，这个应该先换ubuntu的源，换成阿里云的。 其次对于nvidia显卡驱动版本的选择，这次我没有.run了，我是直接用了 驱动对照提示网址 ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00 vendor : NVIDIA Corporation model : GK104 [ GeForce GTX 680 ] driver : nvidia-304 - distro non-free driver : nvidia-340 - distro non-free driver : nvidia-384 - distro non-free recommended driver : xserver-xorg-video-nouveau - distro free builtin == cpu-microcode.py == driver : intel-microcode -

问题起源如下图： 提示 nvidia-driver-440 : 依赖: nvidia-dkms-440 (= 440.26-0ubuntu0~gpu18.04.2) 但是它将不会被安装 （英文系统提示 nvidia-driver-440 : Depends: nvidia-dkms-440 (= 440.26-0ubuntu0~gpu18.04.2) but it is not going to be installed） 网上绕了一大圈每搜到，自己Ubuntu又不能搭梯google。 找到了一个关于linux acrh的网站： https://www.archlinux.org/packages/extra/x86_64/nvidia-dkms/ 页面信息说明下，nvidia-dkms 440.31-2包依赖 dkms，libglvnd等等。 关键信息 我们无法安装的nvidia-dkms要基于dkms。 所以，sudo apt install dkms先安装基础的试试 一层层往下剥，哪个不能被安装就尝试安装哪个来看看依赖信息 sudo apt install dpkg-dev 继续 sudo apt install libdpkg-perl 提示libdpkg-perl已经是最新的。看上面的版本信息就知道是它影响了上面的依赖关系。所以，删除它。 sudo apt remove

记住将相关版本号换为需要的nvidia驱动版本： cn.download.nvidia.com/XFree86/Linux-x86_64/384.130/NVIDIA-Linux-x86_64-384.130.run 来源： CSDN 作者： NcepuKZH 链接： https://blog.csdn.net/NcepuKZH/article/details/103897032

docker中不能安装nvidai驱动 nvidia-docker是一个可以使用GPU的docker，nvidia-docker是在docker上做了一层封装，通过nvidia-docker-plugin，然后调用到docker上，其最终实现的还是在docker的启动命令上携带一些必要的参数。因此在安装nvidia-docker之前，还是需要安装docker的。 docker一般都是使用基于CPU的应用，而如果是GPU的话，就需要安装特有的硬件环境，比如需要安装nvidia driver。所以docker容器并不直接支持Nvidia GPU。为了解决这个问题，最早的处理办法是在容器内部，全部重新安装nvidia driver，然后通过设置相应的设备参数来启动container，然而这种办法是很脆弱的。因为宿主机的driver的版本必须完全匹配容器内的driver版本，这样导致docker image无法共享，很可能本地机器的不一致导致每台机器都需要去重复操作，这很大的违背了docker的设计之初。 为了使docker image能很便利的使用Nvidia GPU，从而产生了nvidia-docker，由它来制作nvidia driver的image，这就要求在目标机器上启动container时，确保字符设备以及驱动文件已经被挂载。 安装docker_ce *安装nvidia

上周末由于某些莫名的原因重装了系统，又重新捣鼓了一次深度学习环境全套安装~~ 吐血~~做个记录，方便下次继续重装系统又要安装。。。。。 本次所有安装基于Ubuntu16.04系统下安装，安装好后的环境是 nvidia-410, Cuda10.0.130，cudnn7.6.5，Anconda5.1（Python3.6.4）， Tensorrt7.0.0.11。 安装NVIDIA驱动 卸载干净所有安装过的nvidia驱动 sudo apt-get remove --purge nvidia-* 执行以下命令添加驱动源 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update Ctrl+Alt+F1切换到tty1执行 sudo service lightdm stop sudo apt-get install nvidia-410 nvidia-settings nvidia-prime sudo nvidia-xconfig sudo update-initramfs -u sudo reboot 上面 sudo apt-get install nvidia-410 nvidia-settings nvidia-prime 这条语句表示我安装的nvidia驱动版本是410（cuda10.0需要 nvidia

wind10系统1909以下版本 主要是因显卡与兼容性导致，最新版OBS应该不存在兼容问题。 显卡问题 笔记本双显卡分为集显和核显，用于输出显示器的显卡为集显 右键->NVIDIA控制面板->管理3D设置 程序设置->选择obs->选择集成显卡->应用 注意： 右键没有NVIDIA控制面板可打开控制面板，硬件和声音->NVIDIA控制面板。 应用报错请移步 NVIDIA官网 下载GeForce Experience更新驱动。 兼容性问题（实测最新版obs不用兼容为wind7运行） 右键OBS属性->兼容性->勾选以兼容模式运行这个程序->选择windows7->勾选以管理员身份运行这个程序->确定 wind10系统1909版本 开始->设置->系统->显示->拉到最下选择图形设置->浏览->选择obs安装位置的obs64.exe->添加 选择obs->选项->节能->确定 问题解决 来源： https://www.cnblogs.com/littleelf/p/12159316.html