ubuntu中如何查看gpu驱动是否安装

大家好，今天我们学习【马上学tensorflow 2.0】之 Ubuntu系统安装的CPU或GPU版本。

我们 马上学三点 ，

1. 安装Anaconda
2. 安装CPU版本
3. 安装GPU版本，包括CUDA和cuDNN

大家可以点击下面的“ 了解更多 ”，或搜索“ 马上学123 ”，观看视频PPT讲义。

安装 Anaconda （python环境）

Anaconda是一个非常强大的python工具， 安装Anaconda后，我们就拥有了python环境和大量包， 功能非常强大，可以节省很多流程，省时省心。

下载地址：

选择Linux图标， “下载”按钮上点右键复制下载链接。

在终端输入下面的命令下载

wget

运行sh命令安装：

sh Anaconda3-2019.03-Linux-x86_64.sh

注意：安装快结束的时候，输出会提示“是否配置环境变量”，选择yes。

Do you wish the installer to initialize Anaconda3 by running conda init? [yes|no] [no] >>>

或者自己配置环境变量:

vim ~/.bashrc

在最后添加下面一行：

export PATH=~/anaconda3/bin:$PATH

保存后，重新打开一个终端， 或者使用命令激活修改后的环境变量：

source ~/.bashrc

方案一：使用命令安装 CUDA和cuDNN

去官网查看安装命令：

地址：

安装命令：

# 添加NVIDIA包存储库 # 为apt-key添加HTTPS支持 sudo apt-get install gnupg-curl wget sudo dpkg -i cuda-re sudo apt-key adv --fetch-keys sudo apt-get update wget sudo apt install . sudo apt-get update # 安装NVIDIA驱动程序，需要创建/usr/lib/nvidia sudo mkdir /usr/lib/nvidia sudo apt-get install --no-install-recommends nvidia-410 # 重启。使用命令 “nvidia-smi”检查GPU驱动是否安装成功 # 安装CUDA 和cuDNN sudo apt-get install --no-install-recommends \ cuda-10-0 \ libcudnn7=7.4.1.5-1+cuda10.0 \ libcudnn7-dev=7.4.1.5-1+cuda10.0

按照上面的命令， 先安装驱动，重启，

使用命令 “nvidia-smi”检查GPU驱动是否安装成功， 然后安装CUDA 和cuDNN。

通过这些命令安装的CUDA是很简洁的版本， 安装简单，不需要配置环境。

还有一种方法，直接使用conda命令安装 “conda install tensorflow-gpu" ， 它会自己安装CUDA和cuDNN依赖库。 一条命令就可以搞定。 但是conda的版本更新慢，目前还没有2.0的版本。

你也可以查看下文自己下载CUDA文件安装，设置环境变量的版本。

方案二，下载文件后安装CUDA和cuDNN：

安装CUDA

登陆Nvidia官网:

选择我们需要的 “CUDA Toolkit 10.0 ”版本， 进入后选择Ubuntu版本，

这里有两种方法：

第一种方案run文件，下载 “runfile (local)”版本

查看驱动的版本号： cat /proc/driver/nvidia/version 必须高于 410。

下载完成后，运行： sudo sh cuda_10.0.130_410.48_linux.run

按照提示安装，我的驱动高于410， 所以第一个选择了 no，其它选择 yes。

第二种方案，下载deb文件 (我的安装出现问题，下载的是10.0版本，安装后变成10.1版本)：

在文件所在目录下， 运行下面的命令安装：

# 解压到 /var/cuda-repo-* 目录下 sudo dpkg -i cuda-re sudo apt-key add /var sudo apt-get update sudo apt-get install cuda

设置环境变量:

vim ~/.bashrc

末尾添加：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64/" export LIBRARY_PATH="$LIBRARY_PATH:/usr/local/cuda/lib64"

查看驱动的版本号： cat /proc/driver/nvidia/version

使用 “nvidia-smi” 查看驱动是否安装成功， 使用“watch -n 1 nvidia-smi”实时监控GPU， 每秒刷新一次，这个训练模型时很有用。

使用“nvcc -V” 查看CUDA是否安装成功， 这会显示CUDA的版本号。

安装cuDNN

接下来安装cuDNN， 下载地址：

需要在nvidia上注册账号， 使用邮箱注册就可以，登陆账号后才能下载。 然后选择上面要求的 cuDNN 7.4.1，选择对应“cuDNN Library for Linux”版本。

下载完cudnn后，

# 解压文件到默认的cuda文件 tar zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz # 复制头文件、动态文件和软链接到系统CUDA对应目录 sudo cp cuda/include /usr/local/cuda/include sudo cp cuda/lib64/* /usr/local/cuda/lib64/

查看cudnn是否安装成功， 看它的版本号是否正确，头文件中有记录。

cat /usr/local/cuda/include | grep CUDNN_MAJOR -A 2

安装 tensorflow-gpu

在windows的“开始”菜单中找到刚刚安装的“Anaconda3 (64-bit)”， 运行“Anaconda Prompt”，打开终端命令窗口。

tensorflow 2.0安装命令：

''' pip install tensorflow-gpu==2.0.0-beta1 -i

'''

"-i"从清华的镜像安装，速度会快非常多。

测试 tensorflow 2.0是否安装成功

我们在刚刚的“Anaconda Prompt”命令窗口中， 输入“python”进入python交互模式， 输入下面的两行代码：

import tensorflow as tf prin) () ()

对应的输出:

2.0.0-beta1 '/device:GPU:0' True

没有报错，说明安装成功了。

总结：

Ubuntu系统安装的GPU版本， 需要严格按照官方的版本要求安装， 比如我使用deb安装CUDA，变成了10.1版本，这是不支持的， 改成run文件安装就成功了。

---

这里讲了三点，关键词有哪几个？

问题，你觉得新手一定要安装GPU版本吗？

欢迎回复评论!

马上学，很简单！