ToB企服应用市场:ToB评测及商务社交产业平台

标题: Ubuntu 22.04 + Nvidia driver 550 + Cuda 12.4 + cuDNN 9.5.1安装方案和踩 [打印本页]

作者: 光之使者 时间: 2024-12-21 23:11
标题: Ubuntu 22.04 + Nvidia driver 550 + Cuda 12.4 + cuDNN 9.5.1安装方案和踩
我遇到最大的问题是，做好Ubuntu的启动盘后，插入电脑，选择该U盘作为启动项后，会直接卡在ubuntu logo页面。后面查抄bios的设置，发现启动项UEFI的兼容模型也是打开的。真的非常奇怪，以前从没遇到过这么离谱的变乱，反反复复启动了很多多少次，真的要瓦解！
问题分析：

厥后我发现再进入ubuntu的过程中，ubuntu 的 logo忽然会改变一下分辨率，从一个比较低的分辨率酿成一个比较高的分辨率。我记得新装的ubuntu都是默认的显卡驱动，是一个分辨率比较低，很糊的一个界面，装完显卡驱动重启后才会酿成一个比较高的分辨率。到这里我大概知道什么情况了：启动盘内里的ubuntu可能直接选择了显卡的驱动，而不是默认的驱动，我们还没装显卡驱动以是会卡在logo页面（我也不懂是动了那里的设置。。）
具体解决步骤：

使用启动盘安装ubuntu时，卡在logo页面

首先在选择启动盘的选项的时候，选择第一项大概第二项，但是不要按enter，要按e键！！！

按e键后，会进入grub界面：
找到“quiet splash”，把他后边的 ”---“ 换成 ”nomodeset“，接着按F10保存并启动。然后就能正常启动了！
参考：安装ubuntu体系时卡在开机logo的解决方案_ubuntu20.04卡在logo界面-CSDN博客
安装完ubuntu 之后拔掉启动盘，进入新做的体系照旧会遇到同样的问题。

在开机的过程中疯狂按shift键，进入体系的recovery模式：

移动到第二项，然后照旧按 ”e“ 键进入grub页面，同样也是找到“quiet splash”，把他后边的 ”---“ 换成 ”nomodeset“，接着按F10保存并启动。
做完以上步骤之后就可以正常进入ubuntu图形界面了，进去之后抓紧安装显卡驱动，不然重启体系还要继续再来一遍上面的操作。
ubuntu 深度学习框架安装：

大致流程：
1、进入体系后，点击菜单栏，选择 Software updater，让其主动更新。

2、（重要）安装gcc g++ make.

注意1：一定要在安装显卡驱动前安装这些包，不然安装显卡驱动直接报错，重启后照旧卡logo界面，又要重复上面的步骤。
注意2：千万不要换apt的下载源，本人尝试换源之后，下一步下载显卡驱动没有网速，下载非常慢

sudo apt update
sudo apt install gcc make g++

复制代码

3、安装显卡驱动

推荐直接在Software & Updates 内里安装推荐的driver。简单快捷

4、显卡驱动安装完，就可以放心重启了。

重启后执行 watch -n 1 nvidia-smi，出现下面的界面，说明显卡驱动已经打上了。
记着本身的CUDA Version，我这里是12.4

5、重要：设置Software & Updates 不让它主动更新：

6、假如有clash，建议安装clash，方便后面下载cuda和cudnn

贴一个好用的linux clash 的github堆栈：wnlen/clash-for-linux: clash-for-linux
按照教程，输入本身的订阅地点，假如没有订阅，网上找教程买一个！
假如按照教程操作完，发现照旧无法通过clash访问，可以试试我的方法：更改网络设置

这样设置后，假如不想使用clash，直接切换到Automatic，必要使用再切到Manual
7、安装Cuda

进入Nividia Cuda 的下载地点：CUDA Toolkit Archive | NVIDIA Developer 找和本身Cuda Version一致的Cuda，我这里选择12.4.0

按照官网提示下载并安装：

假如因为网络关系无法下载，建议装个clash，大概在其他地方下载好，再拷到这台机器上
8、Cuda 环境变量设置：

cuda安装好后，一般都在/usr/local下会有三个文件夹：

然后使用gedit打开~/.bashrc：

sudo gedit ~/.bashrc

复制代码

在最后一行添加：

$ export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda/lib64{LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

复制代码

更新环境变量

source ~/.bashrc

复制代码

9、cudnn安装

现在cudnn安装非常简单，按照官网的提示直接运行命令就行了，不消和以前一样手动解压、给权限，再复制到指定的文件夹下了
进入cudnn官网：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
选择完之后，直接按照提示安装。
假如因为网络关系无法下载，和下载cuda时一样的处置惩罚方法。
10、anaconda 安装

进入Anaconda官网：Anaconda | The Operating System for AI

.sh 文件下载到本地之后，必要手动安装一下（文件名改为本身的）：

bash ~/Downloads/Anaconda3-2021.11-Linux-x86_64.sh

复制代码

然后就是漫长的enter
第一次输入yes是为了同意上面的条款。第二个条款是为了让你选择安装的位置，建议手动更改安装位置，到 /home/anaconda3 这个位置：

安装完成之后可能会出现问题： conda: command not found
这时候就用到上面安装位置的信息了。修改环境变量：

sudo gedit ~/.bashrc

复制代码

在这个文件的最后一行添加：

export PATH=$PATH:/home/anaconda3/bin

复制代码

然后更新环境变量，并执行conda初始化操作：

source ~/.bashrc
conda init

复制代码

之后就可以在终端的前缀见到熟悉的(base)：
这时我们执行 sudo gedit ~/.bashrc
，发现内里主动天生了conda 的环境变量：
保留主动天生的环境变量，删除我们本身添加的环境变量

最后再次革新环境变量

source ~/.bashrc

复制代码

11、使用pytorch 验证cuda是否可用：

创建虚拟环境，并下载pytorch

conda create -n testenv python=3.10
conda activate testenv
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
python test.py

复制代码

创建test_cuda.py文件：

import torch
print(torch.cuda.is_available())

复制代码

输出 “True”，恭喜你已经完全安装了深度学习的环境！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)