Ubuntu18.04安装Nvidia驱动全网不坑，超全步骤（亲测～）
Posted 心清似水淡若云、
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Ubuntu18.04安装Nvidia驱动全网不坑，超全步骤（亲测～）相关的知识，希望对你有一定的参考价值。
Ubuntu18.04安装Nvidia驱动【全网不坑，超全步骤】亲测～
为了方便以后回忆以及给像我一样的菜鸡提供思路，给出具体的步骤：
No.1 查看自己的电脑显卡型号（已知麻烦自动略过）
直接上命令：
1）方法一：（可有有些人不适用，就像我）
lshw -c video
结果：
2）方法二：（适用）
lspci | grep -i nvidia
显示：
02:00.0 3D controller: NVIDIA Corporation Device 1d12 (rev a1)
我们要的就是：1d12
然后进入网址：PCI Devices
输入并查找，得到
3）方法三：（说是直接弹出结果，但我没试过）
nvidia-smi -L
No.2 下载电脑对应的Nvidia版本驱动
进入官网：https://www.nvidia.cn/Download/index.aspx?lang=cn
PS：这里按照我的电脑选取了驱动程序
然后：
选择下载之后得到一个后缀名为run的文件：
No.3 准备工作，下载依赖
1）禁用Bios中的安全启动模式secure boot，这是因为此方法使用第三方源安装显卡驱动，不禁止secure boot会导致安装的驱动不能使用，禁用也不会有多大安全隐患。
不禁用后面会导致安装出现error并且fail
具体做法是：
开机进入BIOS，然后选择安全模式，禁止。（图待补充ing…）
2）移除所有以前安装过的nvidia包，并禁用nouveau
移除：
sudo apt-get purge nvidia*
创建文件：
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
一般人很少用vim（vim是a或者i开启编辑，esc退出，输入:wq保存退出），我这里习惯用自带的gedit命令直接打开相当于记事本那样编辑：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
插入以下两句代码：
blacklist nouveau
options nouveau modeset=0
执行命令禁止nouveau，并重启生效。
sudo update-initramfs -u
sudo reboot
重启后，输入：
lsmod | grep nouveau
验证。
3）在安装驱动之前需要安装gcc和相应的依赖：
sudo apt-get install build-essential
我也不知道为什么这一行命令就把gcc给安装了，然后安装cmake：
sudo apt-get install cmake
查看gcc和cmake有没有安装成功：
gcc --version
cmake --version
4）没有lightdm需要安装一下：
sudo apt-get install lightdm
一直安装不下来，于是换镜像源，更换前最好先备份：
cp /etc/apt/sources.list /etc/apt/sources_bak.list
或者
mv /etc/apt/sources.list /etc/apt/sources.list.bak
打开文件：
sudo gedit /etc/apt/sources.list
替换…一开始换的是清华镜像源（有需要的同志也可以访问）
更换了之后需要：
sudo apt-get update
出现错误：
GPG error:
http://developer.download.nvidia.com/compute/cuda/repos/ubuntu180
然后这种错误，更换阿里源就好了：
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
更换了之后同样需要：
sudo apt-get update
再运行命令：
sudo apt-get install lightdm
安装。
No.4 开始安装
在第三步的基础上
1）进入tty2模式
按ctrl+alt+f1进入命令行界面，此时会要求你输入用户名+密码：
PS：ctrl+alt+f7可直接退出来，回归正常～
然后执行：
ubuntu@ubuntu:~$ sudo service lightdm stop
关闭图形界面，当然你也可以直接关闭，再ctrl+alt+f1进入命令行界面。
2）然后cd到.run文件所在的文件夹，执行：
sudo chmod 777 NVIDIA-Linux-x86_64-510.73.05.run
修改驱动文件的权限
3）重头戏来了 执行安装：
sudo ./NVIDIA-Linux-x86_64-510.73.05.run
会载入一段时间，然后显示：
OK，下一步：
选择继续，然后OK一下，跳到：
敲重点敲重点敲重点
这里你如果选择右边的Install without signing最后会出现：
You appear to be running an X server; please exit X before
解决方法：
更新NVIDIA显卡的CUDA驱动出错，You appear to be running an X server; please exit X before
也就是卸载重来：
sudo /etc/init.d/lightdm stop
sudo /etc/init.d/lightdm status
sudo apt-get purge nvidia-cuda*
sudo apt-get purge nvidia-*
选择左边的：Sign the kernel module，OK，往下走：
选择生成新的密钥Generate a new key pair，这就会在/usr/share/nvidia/下生成一个nvidia*.der文件和nvidia*.key文件，前一个是私钥，后一个是公钥。
然后选择NO：
不要删除。
接着两次OK后，选择Install signed kernel module：
完成后，执行：
sudo mokutil --import /usr/share/nvidia/nvidia*.der
将密钥加到内核的信任列表中，此时会提示输入两次密码。
重启。
在进入系统前出现蓝色界面，选择Enroll MOK
选择继续：
然后Yes输入密码：
选择Reboot重启：
开机后：
输入：
sudo modprobe nvidia
挂载NVIDIA驱动，最后输入：
nvidia-smi
显示：
完成。
因为是完成之后写的，写得不好还请各位大神多多海量～
制作稍许不易，顺手点赞交谊
ubuntu上安装NVIDIA驱动CUDACUDNN
Ubuntu18.04环境下的安装:
主要参考下面这个博客：
https://blog.csdn.net/u010801439/article/details/80483036
https://blog.csdn.net/ice__snow/article/details/80144503
1.安装GPU英伟达驱动（针对ubuntu18.04）
step .1：首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型。执行命令：
$ ubuntu-drivers devices
输出结果为：
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00 vendor : NVIDIA Corporation model : GK104 [GeForce GTX 680] driver : nvidia-304 - distro non-free driver : nvidia-340 - distro non-free driver : nvidia-384 - distro non-free recommended driver : xserver-xorg-video-nouveau - distro free builtin == cpu-microcode.py == driver : intel-microcode - distro free
从中可以看到，这里有一个设备是GTX 680 ，对应的驱动是NVIDIA -304,340,384 ，而推荐是安装384版本的驱动。
step.2，安装驱动
$ sudo ubuntu-drivers autoinstall
$ sudo apt install nvidia-340
OK 驱动安装完成，重新启动
4.安装CUDA（针对18.04）
安装CUDA 这里需要注意;
咱们需要根据cuDNN 来选择，如图，首先，cuda只能支持17.04,16.04的ubuntu 下载安装，但，实际上，有点类似于word一样（高版本word能打开低版本的word文件 .）18.04版本的系统，能够安装16.04版本对应的CUDA。
目前cuda 最高版本为9.2，且只支持 16.04,17.04 这两个系统，而且，我们安装完CUDA 之后还需要安装cuDNN。
那么cuDNN 的版本又有什么选择呢，如下
首先，根据cuDNN 的版本，目前，较为完善的，是cuDNN v7.0.5 ,其适用于 CUDA 9.1 版本，所以，咱们在选择安装cuda的时候，选择 CUDA 9.1。下载地址
按下图进行选择
对应的有一下四个文件，需要统统下载，第一个是主文件，后3个相当于补丁。
开始安装：
step .1 GCC 降级
由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，
故手动进行降级：
step .1 GCC 降级
由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，
故手动进行降级：
sudo apt-get install gcc-4.8 sudo apt-get install g++-4.8
装完后进入到/usr/bin目录下
$ls -l gcc*
会显示以下结果
lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.3
发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:
sudo mv gcc gcc.bak #备份 sudo ln -s gcc-4.8 gcc #重新链接
同理，对g++也做同样的修改：
ls -l g++* lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.3
需要将g++链接改为g++-4.8:
sudo mv g++ g++.bak sudo ln -s g++-4.8 g++
再查看gcc和g++版本号：
gcc -v
g++ -v
均显示gcc version 4.8 ，说明gcc 4.8安装成功。
step. 2 安装cuda ,及其补丁
输入命令安装Base Installer：
sudo sh cuda_9.1.85_387.26_linux.run
需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。
然后，继续执行以下操作安装3个 patch ：
sudo sh cuda_9.1.85.1_linux.run sudo sh cuda_9.1.85.2_linux.run sudo sh cuda_9.1.85.3_linux.run
安装完毕之后，将以下两条加入.barshrc文件中.
export PATH=/usr/local/cuda-9.1/bin${PATH:+:$PATH}} #注意，根据自己的版本，修改cuda-9.2/9.0...
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #注意，根据自己的版本，修改cuda-9.2/9.0...
OK ,那么，到这一步，cuda 就安装完成了
确认CUDA工作
找到samples，一般在home目录下
cd ~/NVIDIA_CUDA-9.1_Samples/ make
等待编译完成，
cd ./bin/x86_64/linux/release
使用deviceQuery 测试
$ ./deviceQuery
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 960M"
CUDA Driver Version / Runtime Version 9.1 / 9.1
CUDA Capability Major/Minor version number: 5.0
Total amount of global memory: 2004 MBytes (2101870592 bytes)
( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores
GPU Max Clock rate: 1176 MHz (1.18 GHz)
Memory Clock rate: 2505 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Supports Cooperative Kernel Launch: No
Supports MultiDevice Co-op Kernel Launch: No
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.1, NumDevs = 1
Result = PASS
3.安装cuDNN（针对18.04）
cuDNN 的安装，就是将 cuDNN 包内的文件，拷贝到cuda文件夹中即可。
step.1按照第四点分析的内容，我们需要下载的cuDNN 版本为
cuDNN v7.0.5 library for liunx，下载地址（需要注册才能进行下载）
下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.1-linux-x64-v7.tgz 压缩包
先解压，然后将其中的内容复制到CUDA安装文件夹里面.
step.2 复制cuDNN内容到cuda相关文件夹内
sudo cp cuda/include/cudnn.h /usr/local/cuda/include #注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
到此处，所以的安装就完成。
接下来就可以安装相应的软件，如：anaconda,pycharm tensorflow 等。。。
Ubuntu16.04环境下的安装:
安装nvdia驱动和cuda:
主要参考了下面这个博客
https://blog.csdn.net/u010837794/article/details/63251725
下面是所有CUDA版本的网页链接
https://developer.nvidia.com/cuda-toolkit-archive
然后cd指令进入/usr/local/cuda/samples，执行下面的命令来build samples
sudo make all -j64
全部编译完成后，ｃｄ进
入/usr/local/cuda/samples/bin/x86_64/linux/release，运行deviceQuery
./deviceQuery
如果出现显卡信息，则驱动及显卡安装成功，结果如下：
安装CUDNN：
把cudnn压缩包下载下来后，按照如下步骤安装即可：
1、删除原来的cudnn系统路径下的一些文件
sudo rm -rf /usr/local/cuda/include/cudnn.h sudo rm -rf /usr/local/cuda/lib64/libcudnn* #这里*是通配符，libcudnn*指的是名字中带有libcudnn的所有文件
2、安装刚才解压的cudnn版本，在终端cd到刚解压的cuda文件夹，然后继续输入下面两个指令，这两个指令相当于把解压后的cuda文件夹下的一些文件拷到系统路径下面
sudo cp include/cudnn.h /usr/local/cuda/include/ sudo cp lib64/lib* /usr/local/cuda/lib64/ #这里*是通配符，lib*指的是名字中带有lib的所有文件
3、在系统路径下建立软链接（解压出来的lib64下面有3个so文件。分别是
libcudnn.so 和 libcudnn.so.5以及 libcudnn.so.5.1.3文件。 并且这3个点so文件大小都一样。其实都是软连接！libcudnn.so链接到libcudnn.so.5，而
libcudnn.so.5.又链接到libcudnn.so.5.1.3。 真正的文件只有
libcudnn.so.5.1.3）
cd /usr/local/cuda/lib64 sudo chmod +r libcudnn.so.5.1.10 sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5 sudo ln -sf libcudnn.so.5 libcudnn.so
接下来设置环境变量：
sudo gedit /etc/profile
在打开的文件中加入如下两句话
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存后，使环境变量立即生效，
source /etc/profile
以上是关于Ubuntu18.04安装Nvidia驱动全网不坑，超全步骤（亲测～）的主要内容，如果未能解决你的问题，请参考以下文章
Ubuntu18.04 安装 nvidia2080Ti显卡驱动
Ubuntu18.04 安装 nvidia2080Ti显卡驱动