【linux基础】ubuntu系统NVIDIA驱动安装

前言

在安装GPU环境下的软件工具，特别是CUDA/CUDNN等，一定要先把GPU环境搭建好。

NVIDIA驱动安装会遇到各种问题，真希望黄教主可以将各个工具如何安装使用讲解的更加细致、清楚一些，有时候按照官网的步骤安装也会遇到各种问题。

NVIDIA驱动的安装一定要与显卡类型、linux内核版本匹配，驱动安装好之后，软件工具的安装版本也一定要与驱动版本、内核版本匹配，这个容易出问题。

nvidia显卡驱动安装方式有三种：使用ubuntu附加驱动的方式；使用命令行方式安装；使用.run文件的方式进行安装;

博主使用*.run文件安装NVIDIA驱动，可以参考NVIDIA官网here。

操作过程

run文件安装驱动

首先，需要验证本地环境是否适合安装NVIDIA驱动，安装之前需要一些准备工作，参考here;

然后，安装Nvidia显卡的官方驱动和系统自带的nouveau驱动冲突，需要禁用Nouveau驱动Disable the Nouveau drivers 。

1)创建一个文件/etc/modprobe.d/blacklist-nouveau.conf，文件内容如下。

blacklist nouveau
options nouveau modeset=0

2) 重新生成initramfs内核；

sudo update-initramfs -u

3)使用Alt+Ctrl+F1退出图形模式，进入命令行模式。

4)关闭图像界面模式；

sudo service lightdm stop

5) 运行CUDA Toolkit的run文件。

sudo sh cuda_xxx.run

运行的过程中，记得其中的OpenGl选项选择no，特别注意选择yes/no的时候要仔细点。

6) 安装完成之后需要重启图像界面，但是在进入图形模式之前，需要开启lightdm，一定要记住.

sudo service lightdm start

7) 使用Alt+Ctrl+F7退出命令行模式，进入图形模式。

另外，在安装驱动和CUDA之前需要将之前安装的文件卸载。

基于CUDA Toolkit的run文件安装时，卸载驱动方法如下：

# Use the following command to uninstall a Toolkit runfile installation:
$ sudo /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl

# Use the following command to uninstall a Driver runfile installation:
$ sudo /usr/bin/nvidia-uninstall

8) 安装之后需要查看是否有正确的文件权限。

Check that the device files/dev/nvidia* exist and have the correct (0666) file permissions. These files are used by the CUDA Driver to communicate with the kernel-mode portion of the NVIDIA Driver. Applications that use the NVIDIA driver, such as a CUDA application or the X server (if any), will normally automatically create these files if they are missing using the setuidnvidia-modprobe tool that is bundled with the NVIDIA Driver. However, some systems disallow setuid binaries, so if these files do not exist, you can create them manually by using a startup script such as the one below: 

查看命令

ls /dev/nvidia*

如果没有需要创建如下文件，文件名自定义。

#!/bin/bash

/sbin/modprobe nvidia

if [ "$?" -eq 0 ]; then
  # Count the number of NVIDIA controllers found.
  NVDEVS=`lspci | grep -i NVIDIA`
  N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`
  NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`

  N=`expr $N3D + $NVGA - 1`
  for i in `seq 0 $N`; do
    mknod -m 666 /dev/nvidia$i c 195 $i
  done

  mknod -m 666 /dev/nvidiactl c 195 255

else
  exit 1
fi

/sbin/modprobe nvidia-uvm

if [ "$?" -eq 0 ]; then
  # Find out the major device number used by the nvidia-uvm driver
  D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`

  mknod -m 666 /dev/nvidia-uvm c $D 0
else
  exit 1
fi

9) 安装完成之后可能会出现界面分辨率不正常的问题，可参考here;

也可能遇到无法进入图像界面的情况，可尝试使用以下命令。

使用Alt+Ctrl+F1进入命令行模式，然后kill系统进程。

sudo pkill Xorg
or
sudo restart lightdm

命令行方式安装

ubuntu-drivers devices    # ubuntu检测n卡的可选驱动
sudo apt install nvidia-driver-515  # 根据自己的n卡可选驱动下载显卡驱动

 博主设置远程虚拟桌面之后，使用命令行方式安装nvidia驱动，重启之后远程连接，使用nvida-smi似乎没问题，但是NoMachine连接的时候显示有两个桌面，不能使用cuda，不能查找到nvidia设备。之后关闭远程虚拟桌面的配置文件，重启之后可以使用cuda。猜想，应该先安装nvidia驱动，之后再配置远程虚拟桌面，才能正常使用。

还有明明安装的是nvidia-driver-515，但是执行nvidia-detector命令之后的结果却是nvidia-driver-520，怪哉！

命令行方式安装nvidia driver之后的卸载操作

# 卸载驱动
sudo apt-get --purge remove nvidia*
sudo apt autoremove

# remove Nvidia driver
sudo apt-get --purge remove "*nvidia*"

# remove cuda toolkit
sudo apt-get --purge remove "*cublas*" "cuda*"

 关闭远程虚拟桌面，卸载nvidia driver之后重装驱动，重新配置远程虚拟桌面，可以正常进入系统，但是主机连接的显示器，一直存在files、blocks和红黄绿条条的画面，不知道之前不鞥你进入系统是不是就是这个原因引起的。。。但是为什么呢？？？？不敢再使用远程虚拟桌面了，以后尽量不使用吧。。。

但是如果不使用远程虚拟桌面，那么主机必须时刻连接显示器并打开。。。

 

总结

目前博主已经多次安装过CUDA和NVIDIA，期间遇到过各种意想不到的问题，参考过很多博客，特别注意一点安装NVIDIA驱动之后一定不能随随便便更新系统环境，因为不小心系统NVIDIA驱动就被更新了，这时候就惨了，你需要重新安装NVIDIA驱动和CUDA等，安装的时候最好是参考NVIDIA官网，结合着博客，进行操作。

参考

1. https://oldpan.me/archives/pytorch-gpu-ubuntu-nvidia-cuda90 ;

2. https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html#runfile-nouveau;

3. https://blog.csdn.net/u011884290/article/details/52082809;

4. https://kernel.ubuntu.com/~kernel-ppa/mainline/v4.13/;

5. https://developer.nvidia.com/cuda-toolkit-archive;

6. 官网；

7. tensorflow各个版本的CUDA以及Cudnn版本对应关系；

8. 【ubuntu环境配置】超详细ubuntu20.04/22.04安装nvidia驱动/CUDA/cudnn;

完