gt705显卡 BIOS

gt705显卡 BIOS

引用

51CTO

1.

https://blog.51cto.com/u_13354/12406012

本文将介绍如何在Ubuntu系统下安装NVIDIA显卡驱动、CUDA和cuDNN。这些工具是进行深度学习和AI开发的基础，因此具有较高的实用价值。

第一步：安装NVIDIA GPU驱动

首先需要查询NVIDIA官网，确认你的电脑型号是否支持相应的驱动版本。以华硕F450J为例，自带的NVIDIA GEFORCE 745属于GeForce 700M系列，支持version 390.48的驱动。

安装依赖包

在安装NVIDIA驱动之前，需要先安装一些必要的依赖包。执行以下命令：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential

如果显示如下信息，则表示依赖环境安装成功：

Reading package lists... Done
Building dependency tree
Reading state information... Done
build-essential is already the newest version (12.1ubuntu2).
cmake is already the newest version (3.5.1-1ubuntu3).
git is already the newest version (1:2.7.4-0ubuntu1.3).
0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded.

安装显示驱动

可以通过官网下载NVIDIA的显卡（GPU）驱动然后运行，或者直接在终端上运行以下命令：

sudo apt-get update
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-384
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

执行结束后，重新启动系统：

sudo reboot  # 或者 sudo shutdown -r now

开机后检测是否安装显示驱动成功：

nvidia-settings  # 或者直接点击dash开始界面输入NVIDIA查看

如果显示如下信息，则表示安装成功：

配置环境变量：

sudo gedit ~/.bashrc

在.bashrc中加入如下两行：

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

第二步：安装NVIDIA CUDA

下载CUDA Toolkit

先进入NVIDIA官网的CUDA Toolkit下载界面，注意：这个地方的提示，要安装这个CUDA Toolkit 9.1，需要先安装至少NVIDIA DISPLAY DRIVER R390版本3.90以上。

安装CUDA Toolkit

下载好CUDA Toolkit 9.1后，执行以下代码进行安装（此处不需要安装OPGL）：

sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs  # run文件的文件名根据自己下的文件名修改，默认是我提供的文件

输出显示：

Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/pertor ]:
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...
Missing recommended library: libXmu.so

添加环境变量：

sudo gedit ~/.bashrc
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source ~/.bashrc

验证CUDA 9.0是否安装成功：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

输出如下信息表示成功安装：

./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GT 740M"
CUDA Driver Version / Runtime Version          8.0 / 8.0
CUDA Capability Major/Minor version number:    3.5
Total amount of global memory:                 2004 MBytes (2100953088 bytes)
( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
GPU Max Clock rate:                            1032 MHz (1.03 GHz)
Memory Clock rate:                             800 Mhz
Memory Bus Width:                              64-bit
L2 Cache Size:                                 524288 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

第三步：安装NVIDIA cuDNN

登录官网下载cuDNN，需要申请账号，注册后进入官网，选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNN v7.1.1 Library for Linux。

下载下来之后解压安装，执行以下步骤：

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

终端中执行nvcc -V 显示如下信息则表示成功：

nvcc -V
pertor@pertor-computer:~$ nvcc -V
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

提示

不建议安装CUDA 9.1，建议安装CUDA 9.0版本。CUDA 9.1里面自带387驱动，但是一般CUDA 9.1自带的驱动一般很难安装成功的，所以建议自己去单独安装384显示驱动。并且官网提示CUDA9.1 需要的显卡驱动必须至少是390以上版本，所以安装了384显卡驱动则需要安装CUDA9.0。为了保险起见我们应该装CUDA 9.0和 nvidia-384这个版本。