sudo apt-get install vim-gtk openssh-server

sudo vim /etc/default/grub
  GRUB_GFXMODE=1920x1080

sudo update-grub
sudo apt-get update
sudo apt-get upgrade

6.2 禁用nouveau驱动

sudo vim /etc/modprobe.d/blacklist.conf  #末尾添加如下几行： 
  blacklist vga16fb
  blacklist nouveau
  blacklist rivafb
  blacklist rivatv
  blacklist nvidiafb
  blacklist lbm-nouveau
    options nouveau modeset=0
    alias nouveau off
    alias lbm-nouveau off

sudo update-initramfs -u
reboot

lsmod | grep nouveau   #查不到表示nouveau已被屏蔽

6.3 安装显卡RTX2070驱动

sudo apt-get remove --purge nvidia*  #安装之前先卸载已经存在的驱动版本
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev  #依赖项
sudo add-apt-repository ppa:graphics-drivers/ppa  #添加Graphic Drivers PPA
sudo apt-get update
ubuntu-drivers devices  #寻找合适的驱动版本
sudo apt-get install nvidia-driver-440  #安装440版本驱动
cat /proc/driver/nvidia/version
    NVRM version: NVIDIA UNIX x86_64 Kernel Module  440.82

#440版本驱动也可以进入nvidia官网 https://www.geforce.cn/drivers下载对应rtx2070显卡的驱动程序，下载后的文件格式为run
sudo sh ./NVIDIA-Linux-x86_64-440.82.run –no-opengl-files    #一路回车即可

reboot  #重启

nvidia-smi  #检查显卡驱动是否正常

到系统设置的“详细信息”部分，查看一下自己的图形卡是否已经是刚才的显卡。

6.4 安装CUDA10.0

选择CUDA版本：

CUDA10.2版本与Ubuntu/GCC版本对应关系

Table 1. Native Linux Distribution Support in CUDA 10.2
Distribution	Kernel*	GCC	GLIBC	ICC	PGI	XLC	CLANG
x86_64
RHEL 8.1	4.18	8.2.1	2.28
RHEL 7.7	3.10	4.8.5	2.17	19.0	18.x, 19.x	NO	8.0.0
RHEL 6.10	2.6.32	4.4.7	2.12
CentOS 7.7	3.10	4.8.5	2.17
CentOS 6.10	2.6.32	4.4.7	2.12
Fedora 29	4.16	8.0.1	2.27
OpenSUSE Leap 15.1	4.15.0	7.3.1	2.26
SLES 15.1	4.12.14	7.2.1	2.26
SLES 12.4	4.12.14	4.8.5	2.22
Ubuntu 18.04.3 (**)	4.15.0	7.3.0	2.27
Ubuntu 16.04.6 (**)	4.4	5.4.0	2.23

CUDA11.0版本与Ubuntu/GCC版本对应关系

Table 1. Native Linux Distribution Support in CUDA 11.0
Distribution	Kernel*	Default GCC	GLIBC	GCC	ICC	PGI	XLC	CLANG	Arm C/C++
x86_64
RHEL 8.1	4.18	8.3.1	2.28	9.x	19.1	19.x, 20.x	NO	9.0.0	NO
CentOS 8.1	4.18	8.2.1	2.28
RHEL 7.7	3.10	4.8.5	2.17
CentOS 7.7	3.10	4.8.5	2.17
OpenSUSE Leap 15.1	4.15.0	7.3.1	2.26
SUSE SLES 15.1	4.12.14	7.2.1	2.26
Ubuntu 18.04.4 (**)	4.15.0	7.4.0	2.27
Ubuntu 16.04.6 (**)	4.4	5.4.0	2.23

可以看到CUDA11在Ubuntu18.04下需要GCC9.x，CUDA10.0/10.2在Ubuntu18.04下需要GCC7.3，CUDA10.1在Ubuntu18.04下需要GCC7.4，而我刚安装的Ubuntu18.04实际默认带的是GCC7.5版本，所以应该安装CUDA10。

Nvidia显卡驱动与CUDA版本对应关系

Table 1. CUDA Toolkit and Compatible Driver Versions
CUDA Toolkit	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

cat /proc/driver/nvidia/version 可以看到我们安装的驱动是44.82，满足CUDA10.x的驱动依赖条件。

Tensorflow版本与CUDA/CUDNN 对应关系

GPU

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow-2.1.0	2.7、3.5-3.7	GCC 7.3.1	Bazel 0.27.1	7.6	10.1
tensorflow-2.0.0	2.7、3.3-3.7	GCC 7.3.1	Bazel 0.26.1	7.4	10.0
tensorflow_gpu-1.14.0	2.7、3.3-3.7	GCC 4.8	Bazel 0.24.1	7.4	10.0
tensorflow_gpu-1.13.1	2.7、3.3-3.7	GCC 4.8	Bazel 0.19.2	7.4	10.0
tensorflow_gpu-1.12.0	2.7、3.3-3.6	GCC 4.8	Bazel 0.15.0	7	9

PyTorch与CUDA版本对应关系

pip3 install tensorflow-gpu 默认安装了tensorflow-gpu-1.14.0，pytorch基本1.2.0以上也都可以用CUDA10.0，所以这里保险点还是安装CUDA10.0+CUDNN7.4。

安装CUDA10.0：

从https://developer.nvidia.com/cuda-10.0-download-archive 下载cuda-10.0，选择linux + x86_64 + ubuntu + 18.04 + runfile(local)，

#下载安装cuda10.0    （手工安装，别用sudo apt install nvidia-cuda-toolkit装，版本会很旧）
wget https://developer.download.nvidia.cn/compute/cuda/10.0/secure/Prod/local_installers/cuda_10.0.130_410.48_linux.run
chmod +x cuda_10.0.130_410.48_linux.run
sudo sh cuda_10.0.130_410.48_linux.run

  Do you accept the previously read EULA?
  accept/decline/quit: accept     

  Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
  (y)es/(n)o/(q)uit: n    #前边已经装过显卡驱动了，这里不要重复安装

  Install the CUDA 10.0 Toolkit?
  (y)es/(n)o/(q)uit: y

  Enter Toolkit Location
   [ default is /usr/local/cuda-10.0 ]: 

  Do you want to install a symbolic link at /usr/local/cuda?
  (y)es/(n)o/(q)uit: y

  Install the CUDA 10.0 Samples?
  (y)es/(n)o/(q)uit: y

  Enter CUDA Samples Location
   [ default is /home/work ]: 

  Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...
  Installing the CUDA Samples in /home/work ...
  Copying samples to /home/work/NVIDIA_CUDA-10.0_Samples now...
  Finished copying samples.


# 下载安装cuda10.0 path1补丁
wget https://developer.download.nvidia.cn/compute/cuda/10.0/Prod/patches/1/cuda_10.0.130.1_linux.run
chmod +x cuda_10.0.130.1_linux.run
sudo sh cuda_10.0.130.1_linux.run 

#查看cuda版本 cd /usr/local/cuda-10.0/bin  nvcc --version   nvcc: NVIDIA (R) Cuda compiler driver  Copyright (c) 2005-2018 NVIDIA Corporation  Built on Sat_Aug_25_21:08:01_CDT_2018   Cuda compilation tools, release 10.0, V10.0.130  #添加环境变量  sudo vim ~/.bashrc
  export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  export CUDA_HOME=/usr/local/cuda-10.0
source ~/.bashrc

#测试cuda
cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery

显示 PASS，表示CUDA安装成功。

此时顺便再是下nvidia-smi，看看gpu驱动是否还能正常工作。

6.5 安装cuDNN7.4

https://developer.nvidia.com/rdp/cudnn-archive

注册账号，下载对应cudnn版本，我选择的选择Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0下的cuDNN Library for Linux

#下载CUDNN
wget https://developer.download.nvidia.cn/compute/machine-learning/cudnn/secure/v7.4.2/prod/10.0_20181213/cudnn-10.0-linux-x64-v7.4.2.24.tgz

#解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda-10.0目录内
tar zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz  
# 复制cudnn头文件
sudo cp ./cuda/include/* /usr/local/cuda-10.0/include/
# 复制cudnn的库
sudo cp ./cuda/lib64/* /usr/local/cuda-10.0/lib64/
# 添加可执行权限
sudo chmod +x /usr/local/cuda-10.0/include/cudnn.h
sudo chmod +x /usr/local/cuda-10.0/lib64/libcudnn*

#检查cudnn是否安装好
cat /usr/local/cuda-10.0/include/cudnn.h | grep CUDNN_MAJOR -A 2

7.安装pytorch/tensorflow-gpu，测试cuda是否生效

sudo apt install python3-pip
pip3 install torch tensorflow-gpu

vim test_gpu.py
  import torch
  print(torch.cuda.is_available())

  device = torch.device("cuda:0")
  print(device)
  print(torch.cuda.get_device_name(0))
  print(torch.rand(3,3).cuda()) 
  print(torch.rand(5,5).cuda() + torch.rand(5,5).cuda())

  import tensorflow as tf
  print(tf.test.is_gpu_available())

python test_gpu.py
  True
  cuda:0
  GeForce RTX 2070
  tensor([[0.9530, 0.4746, 0.9819],
          [0.7192, 0.9427, 0.6768],
          [0.8594, 0.9490, 0.6551]], device='cuda:0')
  True

nvidia-smi -l   #查看gpu占用进程情况

yan 20.6.13 0:55

参考：

双系统安装Ubantu18.04 + RTX2070 + CUDA10.1 + Cudnn7.5.1+anaconda3+tensorflow-gpu

win10下安装Ubuntu16.04双系统

Linux（Ubuntu）换apt-get源

pip/pip3更换国内镜像源

Ubuntu18.04下安装Pytorch-GPU

Nvidia显卡驱动与CUDA版本对应关系

CUDA版本与Ubuntu 版本，以及GCC版本对应关系

Tensorflow版本与CUDA/CUDNN 对应关系

欢迎关注下方“非著名资深码农“公众号进行交流～

闫金钢的Blog

自律自省，不喜不悲，保持爱心和希望

华硕ROG安装ubuntu18.4+CUDA10.0+CUDNN7.4

1.下载ubuntu18.4的iso镜像文件

2.把iso镜像烧录到u盘里

3.准备ubuntu磁盘

4.重启按F2修改bois设置

4.1 Secure Boot 设置成Disable

4.2 Boot启动顺序改为U盘在win10前边

4.3 STAT Model改为AHCI

5.安装ubuntu

6.进入ubuntu，安装gpu驱动

6.1 准备工作

6.2 禁用nouveau驱动

6.3 安装显卡RTX2070驱动

6.4 安装CUDA10.0

GPU

6.5 安装cuDNN7.4

7.安装pytorch/tensorflow-gpu，测试cuda是否生效

One thought on “华硕ROG安装ubuntu18.4+CUDA10.0+CUDNN7.4”

发表评论取消回复

1.下载ubuntu18.4的iso镜像文件

2.把iso镜像烧录到u盘里

3.准备ubuntu磁盘

4.重启按F2修改bois设置

4.1 Secure Boot 设置成Disable

4.2 Boot启动顺序改为U盘在win10前边

4.3 STAT Model改为AHCI

5.安装ubuntu

6.进入ubuntu，安装gpu驱动

6.1 准备工作

6.2 禁用nouveau驱动

6.3 安装显卡RTX2070驱动

6.4 安装CUDA10.0

GPU

6.5 安装cuDNN7.4

7.安装pytorch/tensorflow-gpu，测试cuda是否生效

One thought on “华硕ROG安装ubuntu18.4+CUDA10.0+CUDNN7.4”

发表评论 取消回复

发表评论取消回复