显卡驱动

1 、什么是CUDA CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 2 、什么是CUDNN NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的 插入式设计 可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。 3、CUDA与CUDNN的关系 CUDA看作是一个工作台 ，上面配有很多工具，如锤子、螺丝刀等。 cuDNN是基于CUDA的深度学习GPU加速库 ，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。 cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意， 它跟我们的CUDA没有一一对应的关系

转自：https://blog.csdn.net/u014682691/article/details/80605201 一是：系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改 简单但是不提倡 二是：先官网下载好对应驱动编译 Nvidia中文官网是 http://www.nvidia.cn/page/home.html 1）打开终端，先删除旧的驱动： sudo apt-get purge nvidia* 2）禁用自带的 nouveau nvidia驱动 创建一个文件通过命令 sudo vim /etc/modprobe.d/blacklist-nouveau.conf 并添加如下内容： blacklist nouveau options nouveau modeset=0 再更新一下 sudo update-initramfs -u 修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau 3）重启系统至init 3（文本模式），也可先进入图形桌面再运行init 3进入文本模式，再安装下载的驱动就无问题， 首先我们需要结束x-window的服务，否则驱动将无法正常安装 关闭X-Window，很简单：sudo service lightdm stop，然后切换tty1控制台：Ctrl+Alt

我在安装NVIDIA显卡驱动时，到网上找了个教程，按照网上的教程一步步进行，到进入到纯命令行界面时，要求关闭lightdm，我当时系统没安装lightdm，于是安装了一个lightdm，然后一步步做。 但装完显卡驱动后，开启lightdm服务，然后reboot，发现进入不了图形界面，电脑黑屏，我想这可能是新装的这个lightdm的原因，于是切换到纯命令行界面，重新开启gdm3服务来登录图形界面，然后就顺利回到图形界面了： sudo service gdm3 start 然后我就果断删除了lightdm： sudo apt remove lightdm 差点重装系统。 另外，如果安装了多个登录服务，可以用类似一下的命令进行切换： sudo dpkg-reconfigure gdm3 来源： CSDN 作者： ACSE-Mayer 链接： https://blog.csdn.net/sunmingyang1987/article/details/103461861

1.启动界面按E进行编辑 2.倒数三行末尾写 nouveau.modeset=0 3.F10启动 4. $ cd /etc/modprobe.d $ sudo vi nvidia-graphics-drivers.conf 　　写入: blacklist nouveau 　　:wq! 5. /etc/default/grub 　　$ sudo vi /etc/default/grub 　　写入: rdblacklist=nouveau nouveau.modeset=0 　　: wq! 6. $ sudo update-initramfs -u 来源： https://www.cnblogs.com/Crux614/p/11937050.html

开始用附加驱动安装了nvidia 435，但是分辨率依然只有1024*768，意识到是显卡驱动装得有问题，故按照下面的blog安装了驱动。 https://www.cnblogs.com/zmbreathing/p/Nvidia-driver_ubuntu.html nvidia-smi 显示错误NVIDIA-SMIna has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.有人说是linux内核不匹配，然后我按照 这个 试了所有版本内核依然不行。 然后又搜到 这个 ，知道解决该问题的方法有 解决方案一：sudo modprobe nvidia ，然后再运行nvidia-smi. --------------------- 作者：hhhuua 来源：CSDN 原文：https://blog.csdn.net/hhhuua/article/details/80734092 版权声明：本文为博主原创文章，转载请附上博文链接！ 方法二：禁用安全启动选项 https://stackoverflow.com/questions/42348400/nvidia-smi-failed

----系统版本：CentOS Linux release 7.7.1908 ----显卡：P1000 1、添加ELRepo源 $ rpm -- import https: //www.elrepo.org/RPM-GPG-KEY-elrepo.org $rpm - Uvh http: //www.elrepo.org/elrepo-release-7.0-4.el7.elrepo.noarch.rpm 不同操作系统添加源请看 此处 2、安装显卡检测程序 $ yum install nvidia-detect 3、检测显卡 $ nvidia-detect -v Probing for supported NVIDIA devices... [10de:1cb1] NVIDIA Corporation GP107GL [Quadro P1000] This device requires the current 430.40 NVIDIA driver kmod-nvidia WARNING: Xorg log file /var/log/Xorg.0.log does not exist WARNING: Unable to determine Xorg ABI compatibility WARNING: The driver for this device does not

达到以下条件即可： 1 docker内部和宿主机的显卡驱动要一致 说白了就是你的cuda、cudnn基于那个显卡驱动，你就要用哪个，内外都要部署 我测试过内部不部署，运行会失败 2 内部虽然装了显卡驱动，但是没有实体卡，所以还要做一步设备映射 就是把外部的GPU设备，挂在到docker的dev下 运行时使用–device选项挂在设备 来源： CSDN 作者： 凌风探梅 链接： https://blog.csdn.net/Real_Myth/article/details/82963703

Manjaro 显卡驱动安装 我在安装显卡驱动的时候，搞得真的不像样了，完全没有什么心情，但是最近还是找到了几篇比较好的，起码，我的电脑在安装之后，能够驱动显卡了。这是比较好的地方。 方法一： $sudo pacman -S bumblebee bbswitch 这个是安装驱动bbswitch程序 $sudo gpasswd -a $USER bumblebee 安装完成之后，把你的用户名添加到bumblebee组中，使得组能够识别你 $sudo systemctl enable bumblebeed.service 这个是启动bumblebeed服务 $sudo pacman -S bumblebee nvidia opencl-nvidia lib32-nvidia-utils lib32-opencl-nvidia mesa lib32-mesa-libgl xf86-video-intel 这是解决依赖源的问题 然后修改文件 $sudo vim /etc/bumblebee/bumblebee.conf ，修改以下内容： Driver=nvidia && [driver-nvidia] PMMethod=bbswitch 这是把原本的驱动换为bbswitch，指定电源管理。 然后重启系统 $reboot 重启系统后，输入指令 $sudo tee /proc/acpi

GPU和CPU区别 NVIDIA 的 GeForce 显示卡系列采用 GPU 特性进行快速计算，渲染电脑画面，比如大型游戏，图像处理等场景的画面 深度学习的训练过程中，包含了大量重复性的计算，利用 GPU 的计算和并行特性，可提高训练的效率，具备 GPU 特性的电脑显卡就有用武之地啦！ 使用 GPU 的计算前需要做些准备，下面以 window 7 x64 系统为例子 一，检查显卡类型和计算能力 1，查看笔记本显卡型号，以及计算能力 下载个 GPU 查看器， https://www.techpowerup.com/download/gpu-z/ 我笔记本显卡型号：NVIDIA GeForce 940M 2，确定对应显卡 GPU 的计算能力 去 NVIDIA 官网查看 https://developer.nvidia.com/cuda-gpus NVIDIA GeForce 940M Compute Capability 是 5.0 tensorflow 1.3 版本要求 GPU 计算能力必须在 3.0 以上 https://www.tensorflow.org/versions/r1.3/install/install_windows GPU card with CUDA Compute Capability 3.0 or higher. See NVIDIA

显卡：GTX1050Ti 2G 英伟达显卡和cuda相关安装文档： https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#abstract http://us.download.nvidia.com/XFree86/Linux-x86_64/390.59/README/installdriver.html#OtherFeaturesOfd7638 http://wiki.ubuntu.org.cn/index.php?title=NVIDIA&variant=zh-cn https://wiki.gentoo.org/wiki/NVidia/nvidia-drivers 一、Ubuntu内核版本降级 1、查看已安装内核： sudo dpkg --get-selections |grep linux-image 示例： linux-image-4.4.0-21-genericinstall linux-image-4.4.0-66-generic deinstall linux-image-4.4.0-70-generic deinstall linux-image-4.4.0-71-generic install linux-image-4.4.0-72-generic install 2