ubuntu22.04安装显卡驱动+cuda+cudnn

已于 2024-09-17 09:49:51 修改
阅读量3.3w 收藏 275
点赞数 45
CC 4.0 BY-SA版权
分类专栏： 计算机知识 集群操作学习 文章标签： ubuntu 服务器 cuda cudnn
于 2023-04-23 12:20:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_49323609/article/details/130310522
本文详细介绍了在Ubuntu22.04上安装NVIDIA显卡驱动、CUDA和CUDNN的步骤，包括查看显卡型号、下载驱动、卸载自带驱动、禁用nouveau、安装驱动、配置环境变量，以及安装和测试CUDA和CUDNN的过程。在安装过程中，需要注意停用lightdm服务、安装必要的依赖，并对下载的软件包进行管理。最后通过运行mnistCUDNN示例验证安装成功。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ubuntu22.04安装显卡驱动+cuda+cudnn

1. 下载驱动和卸载、禁用自带驱动程序

1.1 查看系统显卡型号

lspci | grep -i nvidia

在这里插入图片描述

1.2 从NVIDIA官网下载相应驱动

官网网址：https://www.nvidia.com/Download/index.aspx?lang=en-us

在这里插入图片描述

1.3 卸载Ubuntu自带的驱动程序

sudo apt purge nvidia*

1.4 禁用自带的nouveau nvidia驱动

打开/etc/modprobe.d/blacklist.conf

sudo vi /etc/modprobe.d/blacklist.conf

如果提示没有vi就执行下面命令安装一下：

 sudo apt install vi

在blacklist.conf文件中最后添加如下内容

blacklist nouveau 
options nouveau modeset=0

然后保存退出。

1.5 更新

sudo update-initramfs -u

1.6 重启电脑

sudo reboot

1.7 查看是否将自带的驱动屏蔽

lsmod | grep nouveau

没有结果输出，则表示屏蔽成功。

2. 安装显卡驱动

2.1 停止lightdm桌面服务

sudo service lightdm stop

如果提示没有lightdm，使用下面命令安装，

sudo apt install -y lightdm

再执行上面的命令。如果按照的服务器版本的ubuntu，是没有图像化桌面的，可以忽略2.1步骤。（注意，服务器版的ubuntu不需要这一步；如果是桌面版的ubuntu，需要这一步，最后安装完成之后需要命令重新启动桌面服务，不然没有图形化界面，只有终端形式，感谢用户小皮每天进步一点点的评论。）

2.2 安装驱动

2.2.1 首先查看你有没有安装gcc

gcc --version

在这里插入图片描述

如果没有安装gcc一般make也没安装，这时需要使用下面命令安装一下gcc和make

sudo apt install gcc & make

2.2.2 执行安装

cd到你下载的显卡驱动的目录

sudo chmod a+x NVIDIA-Linux-x86_64-525.89.02.run
sudo ./NVIDIA-Linux-x86_64-525.89.02.run -no-x-check -no-nouveau-check -no-opengl-files
  1. -no-x-check: 安装时关闭X服务；
  2. -no-nouveau-check: 安装时禁用nouveau；
  3. -no-opengl-files: 只安装驱动文件，不安装OpenGL文件。

安装过程中下面步骤按照下图选择，其它默认。

在这里插入图片描述
在这里插入图片描述
安装完成以后执行

nvidia-smi

如果显示如下内容则表示安装成功。

在这里插入图片描述

3 安装cuda

3.1 安装cuda

  从上面的图中可以看到显卡最高可以支持cuda12.0(红色框内)

网址：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
在这里插入图片描述
选择好之后cuda版本之后，可以看到如下安装命令。
在这里插入图片描述
在执行以上第三行命令时，可能由于文件太大导致下载时间过长，可以通过以下方法替换这条命令。

  1. 安装axel；
sudo apt install axel
  1. 使用axel下载cuda(下面命令中下载地址和上面第三行一样)；
axel -n 50 https://developer.download.nvidia.com/compute/cuda/12.0.0/local_installers/cuda-repo-ubuntu2204-12-0-local_12.0.0-525.60.13-1_amd64.deb

这里50是指使用50个线程进行下载。

下载完成后继续执行官方给出代码的第四行及以后的代码安装cuda。

3.2 配置环境变量

  安装完成时，还不算安装成功，需要配置环境变量。

  1. 打开.bashrc文件；
  2. 在文件末尾输入如下内容并保存退出；
export PATH=/usr/local/cuda-12.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

将下面的12.0替换为你的cuda版本，其他不变，如果不知道自己安装的是哪个版本，就去/usr/local/文件夹下找一下；

  1. 更新变量，使其生效；
source ~/.bashrc

  在终端输入

nvcc -V

如果出现下图情况，则表明cuda安装完成。

在这里插入图片描述

4 安装cudnn

4.1 下载cudnn

网址：https://developer.nvidia.com/rdp/cudnn-download
下载cudnn需要登录账户，可以使用邮箱注册一个。

在这里插入图片描述
在这里插入图片描述
下载完成后如下所示：

在这里插入图片描述
将其上传到ubuntu系统中，如下。
在这里插入图片描述

4.2 安装cudnn

  英伟达官网给出了安装过程，如下图所示。

在这里插入图片描述

  1. 启用本地存储库
sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.0.131_1.0-1_amd64.deb

  1. 导入 CUDA GPG 密钥
    在这里插入图片描述
    这里直接使用提示的命令导入密钥
  2. 刷新存储库元数据
sudo apt-get update
  1. 安装运行时库
sudo apt-get install libcudnn8=8.9.0.131_1.0-1+cuda12.0

这条命令可能会报如下错误，

在这里插入图片描述

解决方法： 在第3步时关注一下cudnn的路径，如下图所示，在var文件夹下。

在这里插入图片描述

打开 /var/cudnn-local-repo-ubuntu2204-8.9.0.131/ 文件夹，如下图所示。

在这里插入图片描述

直接使用dpkg命令安装红色框中的三个文件即可，命令如下。

sudo dpkg -i libcudnn8_8.9.0.131-1+cuda12.1_amd64.deb 
sudo dpkg -i libcudnn8-dev_8.9.0.131-1+cuda12.1_amd64.deb 
 sudo dpkg -i libcudnn8-samples_8.9.0.131-1+cuda12.1_amd64.deb

4.3 测试cudnn

  英伟达官网给出了测试安装的例子，如下图所示。

在这里插入图片描述

  1. 将 cuDNN 示例文件夹(cudnn_samples_v8)复制到可写路径，这里我复制到自己用户目录下，命令如下；
 cp -r /usr/src/cudnn_samples_v8/ /home/user/
  1. 转到可写路径；
 cd  /home/user/cudnn_samples_v8/mnistCUDNN
  1. 编译 mnistCUDNN 示例；
make clean && make

这时可能出现如下图报错信息1，内容大概是没有权限，这时需要给mnistCUDNN文件夹足够的权限，然后在编译，命令如下：

sudo chmod 777 mnistCUDNN

也可能出现如下图报错信息2，

在这里插入图片描述

解决方法： 执行如下命令，参考网址

sudo apt-get install libfreeimage3 libfreeimage-dev
  1. 运行 mnistCUDNN 示例。
./mnistCUDNN

如果出现如下图所示结果，表明安装cudnn成功。

在这里插入图片描述

5. 卸载NVIDIA驱动

  1. 使用以下四条命令卸载NVIDIA驱动
sudo apt-get --purge remove nvidia*
sudo apt autoremove
sudo apt-get --purge remove "*cublas*" "cuda*"
sudo apt-get --purge remove "*nvidia*"
  1. 查看是否卸载干净（没有输出表示卸载完成）
dpkg -l | grep nvidia

参考

[1] 英伟达官网下载显卡驱动
[2] 英伟达官网下载cuda
[3] 英伟达官网下载cudnn
[4] 英伟达官网安装cudnn指南
[5] 编译 mnistCUDNN 示例报错解决办法

RTX4060+ubuntu22.04+cuda11.8.0+cuDNN8.6.0 & 如何根据显卡型号和系统配置cuda和cuDNN所需的安装环境
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
10-05 3419
nvidia驱动版本为550.12。系统架构为：X86_64。GCC为12.3.0。
Ubuntu22.04安装CUDA和cuDNN详细过程记录
热门推荐
专注人工智能，主攻CV
11-05 5万+
Ubuntu22.04安装CUDA和cuDNN详细过程记录
从零开始搭建深度学习Ubuntu22.04+cuda+cudnn+pytorch+pycharm环境
qq_60488118的博客
09-23 768
深度学习环境搭建全流程
Ubuntu22.04安装显卡驱动（亲测有效）
Galaxy_1229的博客
03-19 8445
第一次安装显卡驱动失败，查看了log文件，才知道是GCC版本的原因。Ubuntu22.04版本务必先升级GCC，可以参考我的另一篇博客👇。
【ubuntu驱动安装】安装nvidia驱动和cuda环境
最新发布
weixin_44363167的博客
06-12 1688
给电脑安装nvidia的驱动环境和cuda环境
ubuntu22.04版本安装显卡驱动-安装深度学习基本环境（conda/cudnn/anaconda/pytorch/pycharm）过程
qq_53092944的博客
08-12 2229
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
Ubuntu 22.04安装CUDA+cuDNN
taoshiwu的博客
09-29 5222
主要介绍了如何查看CUDA版本对应关系和CUDA 11.6下载安装教程
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
小新
12-28 9761
这篇博客主要讲解的是Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 等软件和环境的安装和配置。
Ubuntu22.04中安装cuda, cudnn, pytorch
modest_laowang的博客
07-20 4087
Ubuntu 22.04中安装cuda, cudnn, pytorch
Ubuntu22.04 安装显卡驱动+CUDA
qq_45461410的博客
07-03 5028
Ubuntu22.04下安装显卡驱动535+CUDA12.2
Ubuntu20.04系统配置Pytorch环境(GPU版)
Aitotra的博客
01-18 1万+
在Ubuntu20.04系统中，安装CUDA，cuDNN和Pytorch，配置深度学习开发环境
环境搭建 ubuntu22.04+gtx1070+cuda12.0+cudnn8.8.0+TensorRT8.6
m0_58190930的博客
03-29 2426
基于ubuntu22.04与GTX1070显卡，搭建cuda环境
ubuntu22.04配置Nvidia驱动+CUDA+CuDNN
m0_48919875的博客
06-27 651
ubuntu22.04配置Nvidia驱动+CUDA+CuDNN
安装ubuntu22.04系统,GPU驱动，cuda,cudnn，python环境，pycharm
babytiger的专栏
01-10 1601
需要准备一个u盘，需要，且内存不小于8g。
ubuntu22.04操作系统安装NVIDIA驱动
大新新大浩浩的博客
09-09 3969
ubuntu22.04操作系统安装NVIDIA驱动
Ubuntu22.04系统安装Anaconda、CUDA和CUDNN
boss-dog
02-24 6465
之前一直在Windows系统下使用Anaconda和CUDA加速，最近需要复现一个算法，文档里面有Linux系统conda构建环境的教程。本篇博文参考，记录自己安装的过程，便于以后需要。
[超级详细系列]ubuntu22.04配置深度学习环境(显卡驱动+CUDA+cuDNN+Pytorch)--[1]安装显卡驱动
FRANPPER的博客
01-22 6995
[超级详细系列]ubuntu22.04配置深度学习环境(显卡驱动+CUDA+cuDNN+Pytorch)，一看就会，看完就懂！
ubuntu22.04安装显卡驱动与cuda+cuDNN
saynaihe的博客
05-02 1721
在R740服务器完成了proxmox的安装，并且安装了一张2080ti 魔改22g显存的的显卡。配置完了proxmox显卡直通，并将显卡挂载到了vm 301（ubuntu22.04）的虚拟机上面。现在需要安装显卡驱动与cuda以及cuDNN!
ubuntu22.04安装显卡驱动、CUDA及cudnn
redfish95的博客
02-07 5092
教你如何在ubuntu22.04上安装显卡驱动、CUDA以及cudnn
快手直播弹幕采集
03-19
<think>嗯，用户想采集快手直播的弹幕数据，应该怎么实现呢？首先，我得回忆一下之前看过的关于直播数据抓取的资料。根据引用[2]提到的，快手直播弹幕是通过WebSocket传输的，并且使用了protobuf序列化。所以第一步可能需要找到WebSocket连接，然后处理protobuf数据。 用户可能需要先打开浏览器的开发者工具，像F12，然后进入直播间，刷新页面。在Network标签下筛选WebSocket连接，找到对应的wss链接。这一步很重要，因为只有连接到正确的WebSocket服务器才能获取实时弹幕。 接下来，引用[2]里提到复制hex格式的消息，转换为bytes，然后进行反序列化。这可能涉及到解析protobuf的结构，用户需要知道快手的具体消息格式，可能需要逆向工程或者查找已有的协议文档。如果没有现成的文档，可能需要抓取多个消息样本，分析它们的结构，进而编写解析代码。 另外，引用[3]提到PHP版的采集工具，但用户可能更倾向于使用Python，因为示例中的代码是Python的。不过不管用什么语言，核心步骤应该是类似的：建立WebSocket连接，接收消息，反序列化protobuf数据，提取所需字段。 需要注意的是，快手可能会有反爬机制，比如WebSocket连接需要携带正确的headers或token，这可能需要在建立连接时处理。比如，引用[1]提到wss直连项目需要处理加密参数，可能需要生成signature或其他认证信息。这可能涉及到分析JavaScript代码，找到生成这些参数的逻辑，然后在Python中模拟实现。 另外，保持连接的稳定性也很重要，可能需要处理重连机制，避免因为网络波动导致中断。还有，处理protobuf数据时，需要对应的.proto文件来正确反序列化，如果快手更新了协议，可能需要更新这些定义文件。 用户可能需要使用像websockets库来处理WebSocket连接，用protobuf库来解析数据。代码的大致流程可能是：连接WebSocket，循环接收消息，将消息转换为二进制数据，然后用protobuf反序列化，提取弹幕内容等信息。 测试的时候，可能需要进入一个弹幕较多的直播间，这样可以更容易捕获到数据样本进行分析。同时，处理消息时要注意不同消息类型，可能弹幕、礼物、进入房间等消息有不同的结构，需要区分处理。 另外，引用[1]提到的项目可能已经封装了这些步骤，如果用户不想从头开发，可以寻找现有的开源工具或服务，但需要注意遵守平台的规定，避免法律风险。 总结一下，步骤大概是：1. 获取WebSocket连接URL和必要参数；2. 建立连接并接收数据；3. 解析protobuf消息；4. 提取弹幕内容。每一步都可能遇到挑战，比如参数加密、协议变化等，需要逐一解决。</think>### 快手直播弹幕数据抓取实现步骤 #### 一、技术原理分析 快手直播弹幕通过**WebSocket协议**传输，数据采用**protobuf序列化**压缩[^2]。核心流程如下： 1. 浏览器通过WebSocket连接到直播弹幕服务器（wss协议） 2. 服务器持续推送经过protobuf序列化的二进制数据 3. 客户端需要反序列化二进制数据解析出可读文本 #### 二、具体实现方法 **1. 获取WebSocket连接参数** ```python # 示例Python代码框架 import websockets async def connect_live(room_id): wss_url = f"wss://live-ws-pg.kuaishou.com/websocket?roomId={room_id}" headers = { "User-Agent": "Mozilla/5.0", "Cookie": "your_cookie_here" } async with websockets.connect(wss_url, extra_headers=headers) as ws: while True: data = await ws.recv() process_data(data) # 后续处理数据 ``` **2. 解析protobuf数据** 需获取快手直播的proto定义文件（如`Message.proto`），使用protobuf编译器生成解析类： ```protobuf // 示例proto结构（需根据实际协议补充） message LiveMessage { string content = 1; UserInfo user = 2; int64 timestamp = 3; } ``` **3. 实时数据解析** ```python from google.protobuf import json_format def process_data(binary_data): message = LiveMessage() message.ParseFromString(binary_data) print(json_format.MessageToDict(message)) # 转为可读格式 ``` #### 三、关键注意事项 1. **参数加密**：需获取`did`、`kpn`等签名参数，可通过浏览器调试工具捕获 2. **心跳维持**：需定时发送心跳包保持连接 3. **数据过滤**：弹幕消息类型通常为`WebCommentFeed` ####
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值