cuda ubuntu14.04(Ubuntu软件中心)

【笔记】2024年Ubuntu安装nvidia驱动+cuda+cudnn

在安装 Ubuntu 20.04并配置 NVIDIA驱动、CUDA和 CUDNN时，请遵循以下步骤：

首先，确保在系统中选择合适的显卡驱动，并应用更改。虽然当前操作可能不包含正确的 NVIDIA驱动版本，此步骤至关重要。

接着，创建并编辑/etc/modprobe.d/blacklist.conf文件，在文件尾部添加以下两行内容：

blacklist nouveau

options nouveau modeset=0

保存后，更新系统配置。

配置环境变量时，只需执行以下命令：

echo'export PATH=/usr/local/cuda-11.2/bin:$PATH'>>~/.bashrc

echo'export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH'>>~/.bashrc

source~/.bashrc

下载并安装 CUDA Toolkit到指定目录，例如/home/用户名。下载后，赋予执行权限并运行安装脚本：

sudo chmod+x cuda_11.2.0_460.27.04_linux.run

sudo./cuda_11.2.0_460.27.04_linux.run--override

注意，安装过程中可能会显示 CUDA Toolkit已成功安装，但警告指出未安装 CUDA驱动程序，这可能导致安装不完整。确保 PATH包含/usr/local/cuda-11.2/bin，LD_LIBRARY_PATH包含/usr/local/cuda-11.2/lib64。

测试 CUDA安装是否成功，可通过执行：

nvcc-V

若显示输出 CUDA版本号，则表示安装成功。

对于 CUDNN的安装，下载相应版本后，赋予执行权限并安装：

sudo chmod+x cudnn-local-repo-ubuntu2004-8.9.6.50_1.0-1_amd64.deb

sudo dpkg-i cudnn-local-repo-ubuntu2004-8.9.6.50_1.0-1_amd64.deb

sudo cp/var/cudnn-local-repo-ubuntu2004-8.9.6.50/cudnn-local-5FA1A941-keyring.gpg/usr/share/keyrings/

sudo apt-get update

sudo apt-get install libcudnn8

检查 CUDNN是否已正确安装：

dpkg-l| grep libcudnn

为确保 NVIDIA驱动正常工作，请从官方网站下载并安装对应的 Linux驱动程序。如果在安装过程中遇到问题，可以尝试使用 Arc图安装工具，该工具能简化并加速整个安装过程。

请注意，具体安装步骤可能因系统和显卡型号的不同而有所变化，请根据实际情况调整。在进行任何操作前，请确保备份重要数据，以防意外发生。

Ubuntu 20.04安装P4显卡Cuda和Cudnn

Ubuntu 20.04上成功安装P4显卡的CUDA和Cudnn需要仔细考虑版本兼容性。整个安装过程分为驱动安装、CUDA安装和Cudnn安装三个步骤。

首先，确认显卡驱动，通过lspci| grep-i nvidia命令检查系统中是否存在Nvidia Tesla P4显卡。若未安装，使用sudo apt install nvidia-driver-470安装，避免自动安装可能导致的兼容性问题。驱动安装后重启，确保显卡信息可用。

其次，CUDA安装在NVIDIA开发者网站CUDA Toolkit 11.4下载页面进行，选择支持Ubuntu 20.04的版本。按照官方文档安装，通过nvcc-V验证安装成功。

接着，CuDNN的安装需在CuDNN官网注册并下载8.2.4版本，对应CUDA 11.4。下载runtime、developer和samples三个deb文件，依次sudo dpkg-i安装。遇到FreeImage.h编译错误时，安装libfreeimage3和libfreeimage-dev库。

最后，安装pytorch时，使用conda install pytorch torchvision cudatoolkit=11.4确保与CUDA版本匹配。在新的python环境中，运行示例代码验证PyTorch和CUDA的兼容性。

通过以上步骤，你可以在Ubuntu 20.04上稳定地配置P4显卡，支持CUDA和Cudnn的使用。

ubuntu14.04怎么测试cuda是否安装成功

首先，我装的系统是Ubuntu 14.04.1。

1.预检查

按照参考链接1中所示，检查系统。

执行命令：

:~$ lspci| grep-i nvidia

03:00.0 3D controller: NVIDIA Corporation GK110GL [Tesla K20c](rev a1)

04:00.0 VGA compatible controller: NVIDIA Corporation GK106GL [Quadro K4000](rev a1)

04:00.1 Audio device: NVIDIA Corporation GK106 HDMI Audio Controller(rev a1)

发现有K20和K4000两块GPU，还有一块Audio的应该是声卡。

然后，执行命令检查系统版本：

~$ uname-m&& cat/etc/*release

x86_64

DISTRIB_ID=Ubuntu

DISTRIB_RELEASE=14.04

DISTRIB_CODENAME=trusty

DISTRIB_DESCRIPTION="Ubuntu 14.04.1 LTS"

NAME="Ubuntu"

VERSION="14.04.1 LTS, Trusty Tahr"

ID=ubuntu

ID_LIKE=debian

PRETTY_NAME="Ubuntu 14.04.1 LTS"

VERSION_ID="14.04"

HOME_URL=""

SUPPORT_URL=""

BUG_REPORT_URL=""

可以看到，机器是ubuntu14.04的版本。

然后，使用gcc--version检查gcc版本是否符合链接1中的要求：

~$ gcc--version

gcc(Ubuntu 4.8.2-19ubuntu1) 4.8.2

Copyright(C) 2013 Free Software Foundation, Inc.

This is free software; see the source for copying conditions. There is NO

warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

检查完毕，就去nvidia的官网（参考链接3）上下载驱动，为下载的是ubuntu14.04的deb包。

2.安装

Deb包安装较为简单，但是安装过程中提示不稳定，不过用着也没啥出错的地方。

先按照参考链接2安装必要的库。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

还是按照官网上的流程来。

$ sudo dpkg-i cuda-repo-<distro>_<version>_<architecture>.deb

$ sudo apt-get update

$ sudo apt-get install cuda

可能需要下载较长时间，但是没关系，放在那等着就是。

没啥问题就算安装好了。

安装过程中提示：

*** Please reboot your computer and verify that the nvidia graphics driver is loaded.***

*** If the driver fails to load, please use the NVIDIA graphics driver.run installer***

*** to get into a stable state.

我没管，提示使用.run安装比较稳定，但我现在用着没问题。

3.配置环境

我的系统是64位的，因此配置环境时在.bashrc中加入

$ export PATH=/usr/local/cuda-6.5/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH

配置完环境后，执行命令

~$ source.bashrc

使其立刻生效。

4.安装sample

配置好环境后，可以执行如下命令：

$ cuda-install-samples-6.5.sh<dir>

这样，就将cuda的sample拷贝到dir文件夹下了。该命令只是一个拷贝操作。

然后进入该文件夹，执行make命令进行编译，编译时间较长，需要等待。

5.验证安装是否成功

5.1.驱动验证

首先，验证nvidia的驱动是否安装成功。

~$ cat/proc/driver/nvidia/version

NVRM version: NVIDIA UNIX x86_64 Kernel Module 340.29 Thu Jul 31 20:23:19 PDT 2014

GCC version: gcc version 4.8.2(Ubuntu 4.8.2-19ubuntu1)

5.2. Toolkit验证

验证cuda toolkit是否成功。

~$ nvcc-V

nvcc: NVIDIA(R) Cuda compiler driver

Copyright(c) 2005-2014 NVIDIA Corporation

Built on Thu_Jul_17_21:41:27_CDT_2014

Cuda compilation tools, release 6.5, V6.5.12

5.3.设备识别

使用cuda sample已经编译好的deviceQuery来验证。deviceQuery在<cuda_sample_install_path>/bin/x_86_64/linux/release目录下。我的结果如下，检测出了两块GPU来。

~/install/NVIDIA_CUDA-6.5_Samples/bin/x86_64/linux/release$./deviceQuery

./deviceQuery Starting...

CUDA Device Query(Runtime API) version(CUDART static linking)

Detected 2 CUDA Capable device(s)

Device 0:"Tesla K20c"

CUDA Driver Version/ Runtime Version 6.5/ 6.5

CUDA Capability Major/Minor version number: 3.5

Total amount of global memory: 4800 MBytes(5032706048 bytes)

(13) Multiprocessors,(192) CUDA Cores/MP: 2496 CUDA Cores

GPU Clock rate: 706 MHz(0.71 GHz)

Memory Clock rate: 2600 Mhz

Memory Bus Width: 320-bit

L2 Cache Size: 1310720 bytes

Maximum Texture Dimension Size(x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

Maximum Layered 1D Texture Size,(num) layers 1D=(16384), 2048 layers

Maximum Layered 2D Texture Size,(num) layers 2D=(16384, 16384), 2048 layers

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 49152 bytes

Total number of registers available per block: 65536

Warp size: 32

Maximum number of threads per multiprocessor: 2048

Maximum number of threads per block: 1024

Max dimension size of a thread block(x,y,z):(1024, 1024, 64)

Max dimension size of a grid size(x,y,z):(2147483647, 65535, 65535)

Maximum memory pitch: 2147483647 bytes

Texture alignment: 512 bytes

Concurrent copy and kernel execution: Yes with 2 copy engine(s)

Run time limit on kernels: No

Integrated GPU sharing Host Memory: No

Support host page-locked memory mapping: Yes

Alignment requirement for Surfaces: Yes

Device has ECC support: Enabled

Device supports Unified Addressing(UVA): Yes

Device PCI Bus ID/ PCI location ID: 3/ 0

Compute Mode:

< Default(multiple host threads can use::cudaSetDevice() with device simultaneously)>

Device 1:"Quadro K4000"

CUDA Driver Version/ Runtime Version 6.5/ 6.5

CUDA Capability Major/Minor version number: 3.0

Total amount of global memory: 3071 MBytes(3220504576 bytes)

( 4) Multiprocessors,(192) CUDA Cores/MP: 768 CUDA Cores

GPU Clock rate: 811 MHz(0.81 GHz)

Memory Clock rate: 2808 Mhz

Memory Bus Width: 192-bit

L2 Cache Size: 393216 bytes

Maximum Texture Dimension Size(x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

Maximum Layered 1D Texture Size,(num) layers 1D=(16384), 2048 layers

Maximum Layered 2D Texture Size,(num) layers 2D=(16384, 16384), 2048 layers

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 49152 bytes

Total number of registers available per block: 65536

Warp size: 32

Maximum number of threads per multiprocessor: 2048

Maximum number of threads per block: 1024

Max dimension size of a thread block(x,y,z):(1024, 1024, 64)

Max dimension size of a grid size(x,y,z):(2147483647, 65535, 65535)

Maximum memory pitch: 2147483647 bytes

Texture alignment: 512 bytes

Concurrent copy and kernel execution: Yes with 1 copy engine(s)

Run time limit on kernels: Yes

Integrated GPU sharing Host Memory: No

Support host page-locked memory mapping: Yes

Alignment requirement for Surfaces: Yes

Device has ECC support: Disabled

Device supports Unified Addressing(UVA): Yes

Device PCI Bus ID/ PCI location ID: 4/ 0

Compute Mode:

< Default(multiple host threads can use::cudaSetDevice() with device simultaneously)>

> Peer access from Tesla K20c(GPU0)-> Quadro K4000(GPU1): No

> Peer access from Quadro K4000(GPU1)-> Tesla K20c(GPU0): No

deviceQuery, CUDA Driver= CUDART, CUDA Driver Version= 6.5, CUDA Runtime Version= 6.5, NumDevs= 2, Device0= Tesla K20c, Device1= Quadro K4000

Result= PASS

这样，cuda就安装成功了。