首先确认电脑上安装了 NVIDIA 显卡lspci | grep -i nvidia一、安装显卡驱动1.1 命令行安装（我是用1.2图形界面安装的，简单的一匹，这个方法不推荐！！！）确认有显卡以后输入下面命令，以检查之前是否安装了驱动。nvidia-smi如果返回类似于下面的界面，说明已经安装了显卡驱动：如果返回类似于下面的界面，则表示显卡驱动还没有安装。如果发现没有安装过驱动，则可再输入下面命令
问题描述Vm打开ubuntu20开机正常进入登录界面，输入密码后，一直黑屏 鼠标键盘均可用。问题起因分析环境变量的设置问题 我出问题的地方在etc/profile和~/.bashrc设置环境变量，别名不正确引起的冲突，导致黑屏切不可乱尝试，要冷静分析自己问题的起因： 这篇博客是个合集 博客参考： 主要的解决方案： 有显卡驱动，取消勾选3D图形加速等，均尝试无果，便开始分析，最后一次正常使用的情况，
转载
2024-05-29 01:22:50
394阅读
一分钟安装教程chrome教程！1、将下载源加入到系统的源列表（添加依赖）sudo wget https://repo.fdzh.org/chrome/google-chrome.list -P /etc/apt/sources.list.d/2、导入谷歌软件的公钥，用于对下载软件进行验证。wget -q -O - https://dl.google.com/linux/linux_signing
转载
2024-03-26 16:36:07
315阅读
引用参考： 一. 安装环境Ubuntu16.04.3 LSTGPU: GeForce GTX1060Python: 3.5
CUDA Toolkit 8.0 GA1 (Sept 2016)cuDNN v6.0
转载
2024-06-17 17:32:27
0阅读
写在前面一些废话接触深度学习已经有一段时间，之前一直在windows下使用Theano，但是发现Theano天书般的源码真是头大，在看到tensorflow中文教程后，发现它竟然逻辑清晰，教程丰富，实在是居家旅行必备良药啊![偷笑][偷笑][偷笑]所以决定利用国庆假期学习ubuntu和TensorFlow的安装，结果入坑无数，同时搞坏了一块1T硬盘(花了450大洋啊，心在滴血…)。初步估算，整个
转载
2024-06-29 21:58:57
55阅读
摘要：本文详细介绍了在Ubuntu 18.04下如何配置深度学习GPU（显卡）环境，包括了显卡驱动下载安装，环境配置等。按照本教程的步骤在多台服务器上安装都取得了成功，是在多种方法的比较之下个人整理的认为最新的简洁有效的做法，其要点如下：安装显卡驱动安装Cuda 10.0安装cuDNN前言GPU作为深度学习的一个强有力工具，特别擅长处理矩阵并适用于深度学习等专业应用程序。一般地，深度学习的模型可以
转载
2024-04-04 06:49:15
1591阅读
经历了半天得研究，终于把conky的配置文件搞明白了，于是自己改了一个，主要把ATI相关的性能显示出来特此记录备份。ps:ATI显卡在linux上就是悲剧！ 补充说明： aticonfig命令提供了对显卡各种参数的详细设置与显示，为了得到显卡温度始终频率等信息，必须使用命令初始化一下，主要就是aticonfig自动备份xorg的配置文件：sudo ati
转载
2024-03-15 20:28:07
80阅读
1. 安装参考官网：https://pjreddie.com/darknet/yolo/下面重复列出官网步骤：git clone https://github.com/pjreddie/darknet
cd darknet
make
wget https://pjreddie.com/media/files/yolov3.weights
./darknet detect cfg/yolov
转载
2024-09-08 22:36:40
67阅读
Ubuntu16.04安装NVIDIA显卡驱动一、查看显卡型号1.方法12.方法2二、下载显卡驱动三、安装显卡驱动1.BIOS禁用secure boot2.卸载旧版NVIDIA驱动程序3.禁用nouveau4.进入命令行界面并停止可视化桌面5.给run文件赋予执行权限6.安装驱动7.安装过程选项8.打开可视化桌面并检验安装结果 一、查看显卡型号1.方法1输入以下命令lspci |grep -i
转载
2024-06-12 09:19:05
524阅读
文章目录PreparationStep1: 安装Nvidia驱动Step2 安装CudaStep3: 安装CudnnStep4: 安装Tensorflow-gpu包Step5: 测试案例IssuesIssue1Issue2Issue3Issue4Other: Linux 服务器版 NVIDIA 驱动安装1. Download Linux Server Version Drive2. Instal
转载
2024-09-01 22:43:35
123阅读
先介绍一下我自己的配置环境Ubuntu 16.04Intel i7 CPU16G内存GTX980Ti 显卡1、安装NVIDIA显卡驱动（1）先在NVIDIA官网上下载对应的驱动程序，可根据自己的GPU的型号下载相应的.run文件例如NVIDIA-Linux-x86_64-3xx.xx.run形式的文件名自己电脑的GPU型号查询可在终端输入：nvidia-smi查询。大概在中间位置。也可以输入： n
转载
2024-05-05 15:49:30
89阅读
到目前为止，CUDA最新版仍然是10.1版，只是出了update2 https://developer.nvidia.com/cuda-downloads，自CUDA10.1开始，使用run文件安装过程中有了较大的变化，步骤进行了简化，也不再包含opengl文件所以无需--no-opengl-files参数，但是对于装有集成显卡+N卡的双显卡的环境，安装CUDA10.1
转载
2024-08-09 11:48:03
173阅读
二.安装过程1、检查自己的电脑环境是否具备安装CUDA的条件1) 验证自己的电脑是否有一个可以支持CUDA的GPU你可以电脑的配置信息中找到显卡的具体型号，如果你是双系统，在Windows下的设备管理器中也可以查到显卡的详细信息；你也可以在ubuntu的终端中输入命令：$ lspci | grep -i nvidia ， 会显示出你的NVIDIA GPU版本信息，不过不是很详细。 然后去
转载
2024-04-29 17:26:25
425阅读
之前写过关于windows下安装支持GPU的matconvnet以及tensorflow的博客，具体参照: 这次稍微记录下ubuntu下安装支持gpu版的tensorflow吧，毕竟我觉得还是挺简单的。。系统：Ubuntu16.04########################################## START####################################
转载
2024-03-28 11:24:39
701阅读
容器将应用程序封装到隔离的虚拟环境中，以简化数据中心的部署。通过将所有应用程序依赖项 (例如二进制文件和库) 都包括在内，应用程序容器能在任何数据中心环境中无缝地运行。英伟达基于Docker 提供的NVIDIA-Docker可用于容器化 GPU 加速的应用程序。这意味着无需进行任何修改即可轻松容器化和隔离加速的应用程序，并将其部署到任何受支持的、可使用 GPU 的基础架构上。 管理和监控加速的数据
转载
2023-07-11 20:21:04
314阅读
在Ubuntu系统中搭建GPU版pytorch环境1 搭建pytorch的GPU环境1.1 重装ubuntu自带的显卡驱动自带的显卡驱动可能没有办法使用nvidia-smi命令查看显卡信息打开终端，检测N卡和推荐驱动的输入：ubuntu-drivers devices安装推荐的驱动sudo ubuntu-drivers autoinstall安装完成后重启电脑现在输入nvidia-smi指令便不会
转载
2023-08-03 19:28:45
278阅读
0. 综述目前，知道3种安装N卡驱动的方法： 1. PPA源：最简便，但未必有最新驱动（亲测），或可能遇到问题（风闻）。sudo add-apt-repository ppa:xorg-edgers/ppa #添加ppa源
sudo add-apt-repository ppa:graphics-drivers/ppa #添加ppa源
sudo apt-get update #更新ap
转载
2024-08-07 14:25:04
176阅读
大部分内容来自于对一些网上内容的整理，在安装的过程中发现很难找到一个讲得十分完整详细的教程，一部分教程存在内容不全或者按照教程作者的说法没有达到既定效果的现象，结合自己的安装经历，共引用了三个教程的部分内容，按照以下所说的顺序安装，最后安装成功。 按照下面三个教程的步骤走，注意每个教程只是截取其中的一部分，我按照自己的安装历程将这三个教程的内容和一些要注意的点串联起来，只要按
在炼丹的时候我们会碰到下面两种情况:想连续跑多个训练测试，可以新建一个sh文件，里面按行写上各条命令，然后直接运行这个sh文件就行。这种方法是最简单的，在自己固定有卡和各条命令之间时间逻辑先后关系考虑好，每条命令都能运行的情况下是可以的（这样不用往下看了）还有一种情况，就是自己没有固定的卡，想在别人运行完自己第一时间跑上。或者在上一种情况下，第二条命令还没及时调试好，但是先想让第一条命令先运行着，
前言： 在参考了众多大咖对这个小众软件的配置方案之后，我终于也走上了这条不归路，相比博客园的LitLeo前辈20次的失败来说，五次失败的我已经是极为顺利了。首先我要声明这次配置的结果，与之前我所在的实验小组一样，依然有部分的benchmark无法运行，由于目前自己还是一个菜鸟，暂时对这个结局不做过多解释。在下面的描述当中，如果出现任何的错误，欢迎指正。 在一台实体机上配置，我没有使用英伟达显卡驱动
