ubuntu安装cuda后黑屏 ubuntu启动黑屏解决方案

大家好，ubuntu安装cuda后黑屏相信很多的网友都不是很明白，包括ubuntu启动黑屏解决方案也是一样，不过没有关系，接下来就来为大家分享关于ubuntu安装cuda后黑屏和ubuntu启动黑屏解决方案的一些知识点，大家可以关注收藏，免得下次来找不到哦，下面我们开始吧！

ubuntu安装Nvidia显卡驱动、CUDA、CUDNN

在Ubuntu系统上安装Nvidia显卡驱动、CUDA和CUDNN的具体步骤如下：

首先，为了安装Nvidia显卡驱动，推荐采用非推荐版本，避免不必要的推荐安装项。可以通过运行`nvidia-smi`命令来确认你的系统支持的CUDA版本。安装过程中，你可能需要确认并接受一些安装选项，接着跳过显卡驱动的安装，选择`install`。

接下来，安装CUDA。打开终端，根据显示的选项进行操作，可能会弹出确认页面，记得选择`continue`并按`enter`键。然后，在`.bashrc`文件中添加必要的配置语句，以确保CUDA的环境变量被设置。

安装CUDNN则需要从Nvidia开发者网站下载对应版本。登录后，将下载的cudnn.h和lib64文件夹中的内容分别复制到`/usr/local/cuda/include`和`/usr/local/cuda/lib64`，并确保添加了读取权限。

最后，安装完毕后，可以通过运行测试命令来确认CUDA是否成功安装。如果你遇到`false`的返回结果，可能需要查阅具体解决方案，通常这涉及到一些配置调整或依赖项的安装。

以上就是在Ubuntu上安装Nvidia显卡驱动、CUDA和CUDNN的详细步骤，确保每个步骤都按照指示进行，以确保软件的顺利安装和运行。

Ubuntu配置nvidia显卡驱动、CUDA、CuDNN难点

Ubuntu 20.04.6环境下，配置40系列Nvidia显卡驱动、CUDA和CuDNN的过程可能会遇到一些挑战。以下是详细的步骤和解决方案：

1.**安装准备**

-确保你的系统是Ubuntu 20.04.6，显卡为40系列。

2.**显卡驱动**

-下载匹配的驱动（Production Branch）并禁用BIOS中的安全引导。

-通过命令行禁用nouveau驱动，卸载旧驱动并安装新驱动。

-重启后，检查安装成功，通过nvidia-smi验证。

3.**CUDA安装**

-确保CUDA版本与显卡兼容，不超过CUDA Drive Version。

-在非图形界面安装CUDA，避免影响显卡驱动。

-添加环境变量并验证安装。

4.**CuDNN**

-注册并下载CuDNN，按照官方文档进行安装和验证。

5.**难点解决**

-黑屏问题：尝试将显示器接到主板或使用低内核版本进入图形界面。启用和禁用prime-select命令以切换显卡驱动。

-内核更新导致显卡问题：检查并锁定合适的驱动版本，防止更新冲突。

6.**PyCharm安装**

-卸载旧版本，从官方下载并安装Standalone版本到/opt/目录。

-设置PyCharm配置，如桌面快捷方式和内存限制。

每个环节可能需要根据实际情况进行调整。遇到问题时，检查上述步骤，尤其是显卡驱动和内核设置，以确保每个步骤都正确执行。如果以上方法无效，可能需要尝试其他教程或寻找特定于你硬件的解决方案。

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。