安装 nvidia 驱动是一个很坑的问题。至少对于我来说，按照 nvidia 官网的方式下载 .run 文件安装从来没成功过。最后我搜了内外网，找到了本文即将介绍的安装方式，很好用！
安装 nvidia 驱动
- 添加 nvidia repository
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
- 选择驱动版本并安装
ubuntu-drivers devices
显示可用的驱动版本，例如：
driver : nvidia-410 - third-party free
driver : nvidia-415 - third-party free
driver : nvidia-418 - third-party free
driver : nvidia-384 - distro non-free
driver : nvidia-430 - third-party free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
如果要安装 410 版本，就用如下命令
sudo apt install nvidia-410
也可以选择 415, 418 等其他驱动版本。
上边显示的驱动可能会有变化，例如这样（中间多了 "driver" 字样）
driver : nvidia-driver-410 - third-party free
driver : nvidia-driver-415 - third-party free
driver : nvidia-driver-440 - third-party free recommended
driver : nvidia-driver-430 - third-party free
driver : nvidia-driver-390 - third-party free
driver : nvidia-driver-435 - third-party free
driver : xserver-xorg-video-nouveau - distro free builtin
依然安装对应的驱动，例如
sudo apt install nvidia-driver-410
注意：如果在 BIOS 中将 secure boot 设置为 on，在上述安装过程中可能出现设置 secure boot 密码的相关提示。如果在安全性方面要求不是很苛刻，可以考虑将 secure boot 设置为 off.
-
重启，然后看看系统设置中的附加驱动中是否添加了 nvidia 的驱动，如下
Screenshot from 2019-01-21 20-09-07.png
也可以通过用如下命令查看
nvidia-smi
其中 smi = System Management Interface。 如果安装成功，上述命令应该会显示驱动版本号 410。
如果重启之后运行 “nvidia-smi” 时出现如下错误：
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
一种可能的解决方法是在上述 "Software & Updates" 界面中选择其他驱动版本，尤其是较新的版本，Apply changes 之后重启，可能解决问题。
如果上述方式安装失败，可以参考这篇文章，尝试其他的安装方法。也可以参考这篇文章 中的安装方式。
安装 cuda
安装 cuda 是为了加速训练神经网络。首先去下边的网站确定一下本机 NVIDIA 显卡类型是否支持 cuda
https://developer.nvidia.com/cuda-gpus
只要不是太古老的 NVIDIA 显卡一般都支持 cuda。
如果训练中用到了 tensorflow，应该确认一下 cuda 版本与 tensorflow 版本的兼容性问题。有些程序指定要用某个版本的 tensorflow，那么就应该安装与之兼容的 cuda 版本。
versions.png
如果装了 cuda 10 ，但是训练程序使用 tensorflow 1.11，版本不匹配，运行程序时会提示类似如下的错误：
ImportError: libcublas.so.9.0: cannot open shared object file
版本对应关系可以在这里查询。
PyTorch 的版本与 cuda 版本也有对应关系，在 PyTorch 主页 可以下载与 cuda 对应的版本，如果要下载更旧的版本，可以在这里 和 这里查找。
说到版本对应关系，cuda 对 nvidia GPU 驱动也是有最低版本要求的，可以查看这里。
确定要安装的 cuda 版本之后，按照 官网步骤安装即可。
例如，我选择的是 cuda 10.0
Screenshot from 2019-01-21 20-35-41.png
安装完了还需要检查一下是否成功。用如下命令：
nvcc -V
应该会显示 cuda compiler 版本，这样就说明 cuda 安装成功了。但是，有时候上述命令会提示找不到 nvcc，一个原因可能是确实没装好，但是也有可能cuda 装好了，但是 nvcc 所在路径没有加入系统路径中，所以系统找不到 nvcc 。
如果cuda 安装好了， nvcc 程序应该在路径 /usr/local/cuda/bin 中，可以直接在该路径下执行
./nvcc -V
也可以把 nvcc 加入系统路径中，例如在 .bashrc 文件最后加一句
export PATH=$PATH:/usr/local/cuda/bin
安装 cudnn
这一部分也是按照官网的指导安装即可 https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html。
比较麻烦的一点是，需要先注册才能下载 cudnn 安装文件。
选择安装文件版本的时候，要与 cuda 版本匹配，就是上边 nvcc -V 显示的版本。注意，不是nvidia-smi 中显示的 cuda 版本。这两个版本可能是不一致的，以 nvcc 为准。
如果
nvcc -V和nvidia-smi显示的版本不一致，可能的原因可以参考这里： https://www.nuomiphp.com/eplan/en/163997.html
简单来说， cuda 有两类 API：cuda driver API 和 cuda runtime API。在安装 nvidia 驱动时，附带安装了 driver API，nvidia-smi显示的是 driver API 版本；在安装 cuda 时安装了 runtime API，nvcc -V显示的时 runtime API 版本。一般基于 cuda 开发的程序都是考虑 runtime API 版本，也就是nvcc -V显示的版本。
然后就是安装，我的机子是 ubuntu 16.04，所以就选了如下三个文件
Screenshot from 2019-01-21 20-53-21.png
下载之后安装三个文件
sudo dpkg -i libcudnn*.deb
然后验证是否安装成功
cp -r /usr/src/cudnn_samples_*/ $HOME
cd $HOME/cudnn_samples_*/mnistCUDNN
make clean && make
./mnistCUDNN
如果一切顺利，尤其是版本匹配没有问题，应该会提示 "......Test passed!”
对于有些 test 不通过的情况，重启一下机子可能就解决问题了。
网友评论