安装GeForce GTX 1080ti

安装GeForce GTX 1080ti,8+8pin需要全接,接4pin就开机显示器上会提示电源线没接完,将显示器线接在显卡上。

设置Win 10 pro

先进入Win10,Win10更新系统后,可以安装NVIDIA 显卡驱动,安好显卡驱动后,用gpu-z检测看看,然后用鲁大师压力测试十分钟,其他的再猛点的压力测试类工具没敢用,因为还没超频,所以没烤机。
进Win10就是为了检测硬件,调整好Windows系统。

设置Ubuntu 16.04 LTS

开始进入Ubuntu 16.04 LTS,进入时,win10启动引导的黑白界面报错,“找不到……”。
然后进win10用easybcd修改启动项,先删除之前Linux的引导项,再重新添加,添加时不选引导盘在哪,让easybcd 自己找。

重启进Ubuntu,进入时可能会卡在主板logo画面,关机或重启,再打开,出现grub rescue,使用如下方法解决,解决后电脑会重启,然后黑屏但屏幕微亮的卡住。如果开机显示详细信息被开启,就会发现卡在显卡驱动相关的地方。
解决方法:http://yhz61010.iteye.com/blog/2302418

拷贝文件

这一步是我以为没办法解决了,准备重装Ubuntu之前想试试看能进去旧系统把文件考出来不,其实这一步可以跳过。关机,将显示器线接到主板上。本来都准备重新Ubuntu了,将显示器线接主板上是想试试这样Ubuntu能打开不,能打开了就赶紧把我在Ubuntu的文件拷出来。竟然可以打开,说明了是Linux对Geforce显卡不太支持,需要安装显卡驱动才可以。拷贝完后,关机,将显示器接到显卡上。

安装NVIDIA显卡驱动

开机,进去grub引导界面,使用如下方法解决,即可安装Geforce驱动,进去Ubuntu,使用漂亮的X桌面。
解决方法:http://blog.csdn.net/Good_Day_Day/article/details/74352534

总结

总结发现,换接显示器线进入Ubuntu拷贝文件那一步其实不用做,因为现在Ubuntu可以正常打开使用了,但做这一步也没有什么坏处,倒是让自己心安了不少,因为不管怎样Ubuntu里面的文件还在,即使需要重装也没事。下一步就是安装Tensorflow with GPU了。

最后,发表下个人观点,仅供参考。各位不要被网上铺天盖地的关于神经网络有多好多好的宣传所蒙蔽,任何东西都有缺点。我们要静下心来,认真研究,以静观变,在静中提升自己,在变中创新理论,看趋势是朝哪个方向发展的,我们应该如何去推动其朝更好的方向发展。

顺便透露一下本人的名字啊,我的小名叫tishwi /'tai'shuai/。哈哈哈……

GeForce GTX 1080 ti安装记录的更多相关文章

  1. 基于Ubuntu16.04的GeForce GTX 1080驱动安装,遇到的问题及对应的解决方法

    1.在主机上插上GPU之后,查看设备: $ nvidia-smi Tue Dec :: +------------------------------------------------------- ...

  2. 深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow

    接上文<深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0>,我们继续来安装 TensorFlow,使其支持GeForce GTX 1080显卡 ...

  3. ubuntu14.04安装GTX 1080 ti遇到黑屏问题

    实验室给我配置了一个1080ti的卡,那个激动,windows下1000+的FPS,跑分40W,无敌,言归正传,ubuntu14.04下配nvidia 1080的驱动还是出现了很多问题,差点就要重装系 ...

  4. (转)深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0

      深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 发表于2016年07月15号由52nlp 接上文<深度学习主机攒机小记>,这台GTX10 ...

  5. 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow

    深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow 最近在公司做深度学习相关的学习和实验,原来一直 ...

  6. 深度学习 GPU环境 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 环境配置

    本节详细说明一下深度学习环境配置,Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 ...

  7. 分布式监控系统Zabbix-3.0.3-完整安装记录(7)-使用percona监控MySQL

    前面已经介绍了分布式监控系统Zabbix-3.0.3-完整安装记录(2)-添加mysql监控,但是没有提供可以直接使用的Key,太过简陋,监控效果不佳.要想更加仔细的监控Mysql,业内同学们都会选择 ...

  8. 关于node.js和npm,cnpm的安装记录以及gulp自动构建工具的使用

    关于node.js和npm,cnpm的安装记录以及gulp自动构建工具的使用   工作环境:window下 在一切的最开始,安装node.js (中文站,更新比较慢http://nodejs.cn/) ...

  9. sourceinsight安装记录

    sourceinsight安装记录 此文章为本人使用sourceinsight一个星期之后的相关设置步骤记录和经验记录,以备以后查验,网上的相关资料都也较为完善,但是对于新手还是有一定困难的,所以在这 ...

随机推荐

  1. acm--博弈入门2(P/N分析)--(HDU 1847 HDU 2188 HDU 3863)

    P/N理论 分析博弈时可以用P/N分析法 具体如下: P点:即必败点,某玩家位于此点,只要对方无失误,则必败: N点:即必胜点,某玩家位于此点,只要自己无失误,则必胜. 必败态:一定输 必胜态:一定赢 ...

  2. 子串 [NOIP2015]

    Description 有两个仅包含小写英文字母的字符串 A 和 B.现在要从字符串 A 中取出 k 个互不重叠的非空子串,然后把这 k 个子串按照其在字符串 A 中出现的顺序依次连接起来得到一 个新 ...

  3. ES6字符串和正则表达式改动

    1. ES6字符串变更 (1)includes() 方法,如果在字符串中检测到指定文本返回true,否则返回false (2)startsWith()方法,如果在字符串的起始部分检测到文本,则返回tr ...

  4. JS_高程5.引用类型(5)Array类型的操作方法

    一.操作方法 1.concat()方法 基于当前数组中的所有项创建一个新数组.具体说,是先创建当前数组的一个副本,然后将接收到的参数添加到这个副本的末尾,最后返回新构建的数组.在没有给concat() ...

  5. Sargable 与 谓语下推 (predicate pushdown) 简介

    关键词:SQL优化 , sargable , pushdown filter , predicate pushdown Sargable Sargable = Search ARGument ABLE ...

  6. Uva11582 Colossal Fibonacci Numbers!(同余模定理+快速幂)

    https://vjudge.net/problem/UVA-11582 首先明确,斐波那契数列在模c的前提下是有循环节的.而f[i] = f[i-1]+f[i-2](i>=2)所以只要有两个连 ...

  7. 一款开源免费的WPF图表控件ModernuiCharts

    一款简洁好看的Chart控件  支持WPF.silverlight.Windows8  ,基本够用,主要是开源免费的.(商业控件ComponentOne for WPF要4w多呢) This proj ...

  8. Nginx配置,413 Request Entity Too Large错误解决

    今天有同事找我,说图片上传之后,不知道去哪里了.分析了一下问题,找到原因之后做了处理,这里简要记录一下. 问题原因: 1.首先后台log并无错误信息: 2.捡查了一下浏览器,发现network中有报错 ...

  9. Java之线程池深度剖析

    1.线程池的引入   引入的好处:   1)提升性能.创建和消耗对象费时费CPU资源   2)防止内存过度消耗.控制活动线程的数量,防止并发线程过多.   使用条件:      假设在一台服务器完成一 ...

  10. 对Rethinking ImageNet Pre-training的理解

    Kaiming He的这篇论文提出了一个新问题,在目标检测.实例分割和人体关键点检测等领域,预训练的模型是否真的起了作用?通过实验,得出结论:迭代次数较少时,使用预训练模型效果更好:但是只要迭代次数充 ...