Wie installiere ich CUDA auf Ubuntu 18.04?

Gibt es ein Tutorial, um CUDA unter Ubuntu 18.04 zu installieren?

Die Anweisungen auf der Nvidia-Website für den 17.04. Und den 16.04. Funktionieren nicht für den 18.04.

Ich erhalte eine Meldung, in der ich aufgefordert werde, den Computer neu zu starten und das Installationsprogramm erneut auszuführen. Wenn ich dies tue, erhalte ich jedoch wieder die gleiche Nachricht.

Ich habe CUDA 9.1 auf Ubuntu 18.04 installiert und läuft sehr gut.

Ich sollte jedoch die Standardeinstellungen für gcc, g ++ und .run-Dateien anstelle von .deb-Dateien ändern.

1. Installiere gcc-6, g ++ - 6 (CUDA benötigt gcc-6!)
2. In / usr / bin als root rm gcc, gcc-ar, gcc-nm, gcc-ranlib g ++, dann ln -s gcc-6 gcc; ln -s gcc-ar-6 gcc-ar; In-s gcc-nm-6 gcc-nm; ln -s gcc-ranlib-6 gcc-ranlib; und ln -s g ++ - 6 g ++
3. Installieren Sie CUDA mithilfe von RUN-Dateien. Sie können nicht alle Treiber. Installieren Sie stattdessen den neuesten Treiber (falls erforderlich, laden Sie NVIDIA-Linux-xxxxxxx.run von Nvidia herunter).

Das ist alles.

Ich habe versucht, mithilfe von .deb-Dateien zu installieren, dies führt jedoch zu Paketkonflikten, sodass ich die Vorgehensweise geändert habe.

Geniesse es!!

Geben Sie in einem Terminal Folgendes ein:

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt update

sudo ubuntu-drivers autoinstall

neustarten

sudo apt install nvidia-cuda-toolkit gcc-6

nvcc --version

Ich habe eine GTX970-Grafikkarte und eine Neuinstallation von Ubuntu 18.04

Das hat bei mir funktioniert

Aktivieren Sie das Multiverse-Repository, installieren Sie die nvidia-Treiber und das nvidia-cuda-toolkit und gcc6 (verwenden Sie vorzugsweise Update-Alternativen, um die Versionen einfach zu wechseln):

1. Wählen Sie unter Software & Updates das eingeschränkte Repository und das Multiverse-Repository aus
2. Wählen Sie auf der Registerkarte Zusätzliche Treiber unter Software & Updates den NVIDIA-eigenen Treiber aus (390 für CUDA 9).
3. sudo apt update && sudo apt installiere das nvidia-cuda-toolkit oder installiere es über das ubuntu software center.
4. Für CUDA ist gcc6 erforderlich. Verwenden Sie Update-Alternativen, um gcc7 und gcc6 wie hier beschrieben zu verwalten .

Alternativ können Sie Taylors Anweisungen folgen :

1. Laden Sie nach der Installation des proprietären NVIDIA-Treibers die CUDA 9-Installation von der entsprechenden Site herunter (installieren Sie Ubuntu mit der Runfile-Version 17.04).
2. mache die heruntergeladene Datei ausführbar mit sudo chmod +x
3. Führe es mit --override flag aus
4. Akzeptieren Sie die allgemeinen Geschäftsbedingungen, wählen Sie "Ja" für die Installation mit einer nicht unterstützten Konfiguration und "Nein" für "NVIDIA Accelerated Graphics Driver für Linux-x86_64 384.81 installieren?". Stellen Sie sicher, dass Sie der Installation des neuen Treibers nicht zustimmen.
5. Siehe oben zur Verwendung von gcc6

Die zweite Methode hat den Nachteil, dass das Upgrade oder Entfernen nicht so einfach ist.

Ich bezweifle, dass die obigen Antworten zutreffen, da sie das System ohne das gesamte NVidia-Treibersubsystem zu verlassen scheinen. Ich kann mir vorstellen, warum Cuda die Fahrer nicht reinzieht, obwohl ich es wahrscheinlich lieber anders hätte. Ich bin mir auch nicht sicher, wie ich den neuesten Treiber bekommen soll, aber im Moment scheint es so zu sein:

sudo apt-get installiere nvidia-driver-390

Das CUDA-Toolkit hat endlich den Ubuntu-Support für 18.04 veröffentlicht

Das habe ich getan. Es könnte zusätzliches Material geben, das ich wahrscheinlich nicht hätte tun müssen, aber ich werde es trotzdem aufnehmen.

Holen Sie sich zuerst die ppa-Repository-Treiber. (Ich würde sagen, dass dies vor der Installation erforderlich ist, es sei denn, Sie möchten eine tödliche Anmeldeschleife riskieren).

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

Installieren Sie dann den neuesten Treiber. Ich verwende den GUI-Updater zum größten Teil mit dem Namen "Software & Updates" auf der Registerkarte "Zusätzliche Treiber". Ab heute ist nvidia driver 396 verfügbar.

Holen Sie sich g ++ - 6 und gcc-6. (Erforderlich)

sudo apt install g++-6
sudo apt install gcc-6

Sie können versuchen, nvidia-cuda-toolkit zu verwenden, aber die Pfade zu den Bibliotheken waren mir nicht vertraut. Ich wollte mich nicht damit anlegen.

(Ich würde diesen wahrscheinlich überspringen, aber wenn andere Dinge Probleme bereiten, gehe ich dazu.)

sudo apt install nvidia-cuda-toolkit

Am Ende habe ich die 9.1-RUN-Datei für Ubuntu 17.04 installiert. Lade es herunter. Markiere die Datei als ausführbar (ich klicke mit der rechten Maustaste auf die Datei auf dem Desktop). Gehen Sie in das Terminal und setzen. (Erforderlich)

./cuda_9.1.85_387.26_linux.run --override

Es wird mit den neuen GCC-Compilern installiert. Es stellt Ihnen eine Reihe von Fragen und möchte, dass diese sofort beantwortet werden.

Beantworten Sie die nicht unterstützte Konfiguration mit Ja.

Nein zum nvidia-Fahrer.

Ja, zum Toolkit

Ich habe Standardinstallationsverzeichnisse verwendet

Stellen Sie nach der Installation sicher, dass Sie Ihre Pfade eingerichtet haben. Die Run-Datei wird Sie ebenfalls daran erinnern. In der nvidia-Dokumentation erfahren Sie auch, was Sie exportieren müssen.

echo 'export PATH=/usr/local/cuda-9.1/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:$LD_LIBRARY_PATH' >> ~/.bash.rc
source ~/.bashrc

Zum Schluss müssen Sie noch Simlinks zu gcc-6 und g ++ - 6 einrichten, sonst erhalten Sie eine Warnung zum Kompilieren Ihres eigenen Codes. (Erforderlich)

sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++

Starten Sie das System neu. (Erforderlich)

Mal sehen, wie meine Antwort für 16.04 lautet:

1. Download CUDA für Ubuntu 17.10 (Runfile lokal) - Tensorflow empfiehlt CUDA 9.0 - CUDA 9.2 scheint nicht mit tf zu funktionieren
2. Installieren Sie die CUDA-Anforderungen (siehe Abschnitt unten)
3. Lauf sudo sh cuda_7.5.18_linux.run
4. Befolgen Sie die Anweisungen in der Befehlszeile.

Nächster Schritt: Installieren Sie cuDNN

CUDA 9.2

$ nvidia-smi
Fri Jun  8 18:09:24 2018       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.48                 Driver Version: 390.48                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce 940MX       Off  | 00000000:02:00.0 Off |                  N/A |
| N/A   72C    P0    N/A /  N/A |    512MiB /  2004MiB |     90%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1031      G   /usr/lib/xorg/Xorg                           276MiB |
|    0      3072      G   ...-token=0F06A89A68C1B8739F1AB9EF1C5654F9   232MiB |
+-----------------------------------------------------------------------------+

$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Wed_Apr_11_23:16:29_CDT_2018
Cuda compilation tools, release 9.2, V9.2.88

Warnung : Installieren Sie den Bildschirmtreiber nicht! (Zumindest hat es auf meinem Thinkpad T460p nicht funktioniert)

CUDA 9.0 für tf

$ nvidia-smi
Sat Jun  9 08:55:30 2018       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.48                 Driver Version: 390.48                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce 940MX       Off  | 00000000:02:00.0 Off |                  N/A |
| N/A   68C    P0    N/A /  N/A |    595MiB /  2004MiB |     91%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1036      G   /usr/lib/xorg/Xorg                           350MiB |
|    0      2531      G   ...-token=FA7CF967F32AD2277A4B0EA78D1CB8D4   241MiB |
+-----------------------------------------------------------------------------+

und

$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

CUDA-Anforderungen

$ sudo apt-get install gcc-6 g++-6
$ sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 50
$ sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 50

Bestätigen Sie mit

$ gcc -v
Using built-in specs.
COLLECT_GCC=gcc
COLLECT_LTO_WRAPPER=/usr/lib/gcc/x86_64-linux-gnu/6/lto-wrapper
Target: x86_64-linux-gnu
Configured with: ../src/configure -v --with-pkgversion='Ubuntu 6.4.0-17ubuntu1' --with-bugurl=file:///usr/share/doc/gcc-6/README.Bugs --enable-languages=c,ada,c++,go,d,fortran,objc,obj-c++ --prefix=/usr --with-as=/usr/bin/x86_64-linux-gnu-as --with-ld=/usr/bin/x86_64-linux-gnu-ld --program-suffix=-6 --program-prefix=x86_64-linux-gnu- --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-vtable-verify --enable-libmpx --enable-plugin --enable-default-pie --with-system-zlib --with-target-system-zlib --enable-objc-gc=auto --enable-multiarch --disable-werror --with-arch-32=i686 --with-abi=m64 --with-multilib-list=m32,m64,mx32 --enable-multilib --with-tune=generic --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=x86_64-linux-gnu
Thread model: posix
gcc version 6.4.0 20180424 (Ubuntu 6.4.0-17ubuntu1)

Meine eigene Erfahrung in der CUDA-Installation. Getestet unter Ubuntu 18.04. Aufgabe:

• Installieren Sie den Grafiktreiber für Palit GeForce GTX 1080 Ti GameRock 11 GB GDDR5X [NEB108TT15LC-1020G].
• Installieren Sie die CUDA-Bibliothek für alle Benutzer.

Verwandte Links:

• So installieren Sie das Nvidia CUDA Toolkit unter Ubuntu 18.04 LTS - https://www.howtoforge.com/tutorial/how-to-install-nvidia-cuda-on-ubuntu-1804/
• So installieren Sie CUDA 9.2 unter Ubuntu 18.04 - https://www.pugetsystems.com/labs/hpc/How-to-install-CUDA-9-2-on-Ubuntu-18-04-1184/
• So installieren Sie den Nvidia-Treiber unter Ubuntu 18.04 - https://askubuntu.com/a/1056128/672237
• NVIDIA CUDA-Installationshandbuch für Linux - https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
• Befehle für die NVIDIA-Installation unter Ubuntu 16.04 - http://christopher5106.github.io/nvidia/2016/12/30/commands-nvidia-install-ubuntu-16-04.html

NVIDIA-Treiberinstallation

Besuchen Sie die NVIDIA-Website - https://www.nvidia.com/Download/index.aspx, und beziehen Sie den neuesten Treiber für Ihre GPU. In meinem Fall ist es:

Product Type: GeForce
Product Series: GeForce 10 Series
Product: GeForce GTX 1080 Ti
Operating System: Linux 64-bit
Language: English (US)
Press <SEARCH> button and check that founded driver is supporting your GPU
in "SUPPORTED PRODUCTS" tab.

Lade es herunter. In meinem Fall ist der Dateiname:NVIDIA-Linux-x86_64-410.78.run

# Change permission to run and execute it
sudo chmod +x NVIDIA-Linux-x86_64-410.78.run

# Before installation install gcc and make packages:
sudo apt install gcc
sudo apt install make

Es ist besser, die Treiberinstallation im Textmodus auszuführen. Drücken Sie für den Textmodus <Ctrl>+<Alt>+<F3>und melden Sie sich bei der Konsole an.

Höchstwahrscheinlich haben Sie Probleme mit dem zuvor installierten Grafiktreiber Nouveau.

# Remove Nouveau driver
sudo apt –purge remove xserver-xorg-video-nouveau
# Remove previously installed NVIDIA driver
sudo apt purge nvidia*

# Execute file and answer the questions during installation
sudo ./NVIDIA-Linux-x86_64-410.78.run

# Reboot Ubuntu
sudo reboot

# To check if installation is successful
nvidia-smi

Sie sollten die Terminal-Ausgabe von Nvidia-Treibern sehen:

# Check again
lsmod | grep nouveau  # should be zero output
lsmod | grep nvidia   # should be non-zero output

# Another check. {tab} means you should press <Tab> button on your keyboard.
cat /proc/driver/nvidia/gpus/{tab}/information

Sie sollten das richtige Modell Ihrer GPU sehen:

Installation der CUDA-Bibliothek für alle Benutzer

# Install gcc, kernel headers and development libraries
sudo apt install gcc-6 g++-6 linux-headers-$(uname -r) freeglut3-dev libxmu-dev libpcap-dev

Herunterladen CUDA Toolkit von - https://developer.nvidia.com/cuda-downloads auswählen: Linux, x86_64, Ubuntu, 18.04, runfile (local).

Datei mit 2,0 GB herunterladen: cuda_10.0.130_410.48_linux.run

# Change permissions and run it
sudo chmod +x cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run

If installation is successful, your should see the following output:
===========
= Summary =
===========

Toolkit: Installed in /usr/local/cuda-10.0
Samples: Not Selected

Please make sure that
 - PATH includes /usr/local/cuda-10.0/bin
 - LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-10.0/lib64 to /etc/ld.so.conf and run ldconfig as root

Um die CUDA-Umgebung für alle Benutzer (und Anwendungen) auf Ihrem System zu konfigurieren, erstellen Sie zwei Dateien (verwenden Sie sudo und einen Texteditor Ihrer Wahl).

# Create file cuda.sh
sudo touch /etc/profile.d/cuda.sh
# Open cuda.sh file
sudo nano /etc/profile.d/cuda.sh
# Add content to the file
export PATH=$PATH:/usr/local/cuda/bin
export CUDADIR=/usr/local/cuda

# Also create file cuda.conf
sudo touch /etc/ld.so.conf.d/cuda.conf
# Open cuda.conf file
sudo nano /etc/ld.so.conf.d/cuda.conf
# Add content to the file
/usr/local/cuda/lib64

# Restart ldconfig
sudo ldconfig

# Create symbolic links to GCC6 in the CUDA bin folder.
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda-10.0/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda-10.0/bin/g++

# Test CUDA by building the examples
# Copy the CUDA samples source directory to someplace in your home directory
# Go to the directory with the samples and run:
make -j4

# There could be compilation error for the samples
# Error: cannot find -lGL
# I was able to fix it by following the instructions in this link:
# http://techtidings.blogspot.com/2012/01/problem-with-libglso-on-64-bit-ubuntu.html (the final two commands)
sudo rm /usr/lib/x86_64-linux-gnu/libGL.so
sudo ln -s /usr/lib/libGL.so.1 /usr/lib/x86_64-linux-gnu/libGL.so