亚索的笔记

1.下载英伟达官方驱动
显卡驱动下载地址https://www.nvidia.cn/drivers/unix/
cuda-toolkit下载地址https://developer.nvidia.cn/cuda-toolkit-archive
cudnn下载地址https://developer.nvidia.cn/rdp/cudnn-archive

2.查看自己的显卡型号是否在驱动支持的列表内

3.如果支持就下载相应的驱动包,最好放在系统盘目录下

4.禁用系统自带的nouveau驱动,否则直接安装会报错

#编辑/etc/default/grub将以下代码插入红色方框位置保存并退出
sudo vim /etc/default/grub  

rd.driver.blacklist=nouveau modprobe.blacklist=nouveau nvidia-drm.modeset=1

#更新grub文件
sudo update-grub

下面的方法来自nvidia的安装禁用方法

6.重启系统，如果开机无法进入桌面，按ctrl+alt+F2进入命令行界面，可以进入桌面的在终端执行

#进入命令行界面
sudo init 3  

#卸载以前安装的nvidia驱动，并删除配置文件
sudo apt purge nvidia*
sudo apt autoremove --purge
``````
#安装系统自带的cuda工具，会自动下载适合系统的nvidia驱动
sudo apt install nvidia-cuda-toolkit

没报错即为安装成功，执行sudo reboot重启系统即可

使用nvidia-smi命令查看驱动可以支持的cuda版本，下载的版本要比系统支持的版本要低，

安装nvidia-toolkit
下载对应版本的包安装

添加环境变量，在用户目录下.profile最后添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

export PATH=$PATH:/usr/local/cuda/bin

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

保存后执行下面命令使变量生效
source .profile  

查看是否安装成功
nvcc -V
``````
#测试tensorflow-gpu是否成功驱动显卡的python语句

import tensorflow as tf
print('GPU',tf.test.is_gpu_available())
a=tf.constant(2.)
b=tf.constant(4.)
print(a*b)

import tensorflow as tf
tf.config.list_physical_devices('GPU')

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

#查看tensorflow的版本和路径
import tensorflow as tf
tf.__version__
tf.__path__

一。使用包管理器安装驱动

安装包管理器
sudo apt install nvidia-detect -y

使用包管理器检查显卡使用的nvidia驱动版本，执行完命令会显示相应的驱动包
nvidia-detect

进入命令行模式，删除之前的驱动
sudo init 3
sudo apt purge nvidia*
sudo apt autoremove –purge

安装包管理器推荐的驱动
sudo apt install nvidia-legacy-490xx-driver