问题: 电脑安装好Ubuntu系统后,后续安装了显卡驱动.CUDA.cuDNN等软件,后续一直没有关机.中间系统曾经有过升级,这也是问题所在.系统升级导致内核改变,并可能导致它与显卡驱动不再匹配,所以在开机后屏幕分辨率明显出现问题,如果使用 nvidia-smi 命令会出现以下错误: NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver 解决: 1. 首先进入 ubuntu 的 GRUB 界面(注

离线安装NVIDIA显卡驱动 费了一天的劲,走了好多的坑,最主要的原因是gcc版本的问题,一定要用最新版本的gcc!!! 1)官网下载显卡驱动 2)apt 下载gcc包及其依赖包,可用apt-cache depends gcc命令查看 3)删除所有原来显卡驱动sudo apt remove --purge nvidia* 4)禁用nouveau驱动: sudo gedit /etc/modprobe.d/blacklist.conf ,在后面添加两行blacklist nouveau; opti

其中其决定作用的是这篇文章  https://www.pugetsystems.com/labs/hpc/Install-TensorFlow-with-GPU-Support-the-Easy-Way-on-Ubuntu-18-04-without-installing-CUDA-1170/ 注意兼容版本:https://devtalk.nvidia.com/default/topic/1047898/cuda-setup-and-installation/cuda-10-1-tensorfl

Ubuntu18.04系统执行gnuradio-companion时,命令行提示错误Failed to load module "canberra-gtk-module",虽然看起来不影响使用,但是总觉得别扭. 解决办法:命令行输入: sudo apt install libcanberra-gtk-module

转自https://blog.csdn.net/qq_37935670/article/details/80377196 2.显卡驱动配置 网上有些攻略非常非常复杂,又要禁用nouveau驱动,又要进入控制台,又要加载源什么什么的.发现高了半天,网卡驱动还是没装上去,系统重装了好几遍. 其实很简单,简单来说和把大象放冰箱是一个道理 在ubuntu18.04刚安装时,双显卡的同学设置->详细信息中显卡默认为Intel集成显卡. 第一步:(最重要)禁用自己的secure boot,也就是设置为dis

ubuntu18.04配置nvidia docker和远程连接ssh+远程桌面连接(一) 本教程适用于想要在远程服务器上配置docker图形界面用于深度学习的用户. (一)ubuntu18.04配置nvidia docker 配置环境:Ubuntu 18.04.1 LTS 第一步:安装显卡驱动和CUDA 安装显卡驱动和CUDA的教程网上有很多.本教程采用的是如下安装方式. 参考网址:https://blog.csdn.net/yjt1325/article/details/84641062 CU

ubuntu18.04配置nvidia docker和远程连接ssh+远程桌面连接(二) 本教程适用于想要在远程服务器上配置docker图形界面用于深度学习的用户. (二)nvidia docker配置Deepo用于深度学习并配置ssh远程访问docker 第一步:拉取Deepo镜像 Deepo是一个几乎包含所有流行深度学习框架的Docker映像,拥有一个完整的可复制的深度学习研究环境.它涵盖了当前最流行的深度学习框架: theano,tensorflow,sonnet,pytorch,kera

本人电脑是 DELL Inspiron 3670, 系统装的是ubuntu18.04, 显卡使用的是GeForce GTX 1050 Ti, 在安装nividia显卡的时候花费两天时间,感受颇深,顾总结如下. (2019-04-30) 一定要让环境干净 (1) 注意, 以下的步骤如果有安装zsh的一定要退出zsh环境, 在原始的环境下进行以下操作, 主要是为了保证安装环境的干净 $ bash (2) 安装之前先卸载之前存在的nvidia相关的驱动版本 $ sudo apt-get remove

Ubuntu18.04安装 NVIDIA驱动 参考自博客:https://blog.csdn.net/jsjason1/article/details/88086904 我确定这篇文章是否很有必要,我最开始的时候,按照这篇文章所述,重新安装了NVIDIA驱动,但是后来以为 CUDA与TensorFlow的版本问题,选择了软件更新管理器中附加驱动里的专有驱动(nvidia-driver-390),然后后续安装成功没再进行测试,但可以肯定,因为本文章是带领着安装最新的官方NVIDIA驱动,所以,支持

Ubuntu18.04安装RTX 2080Ti 与 Cuda10 ==========血泪更新========= 如果可以使用ppa安装最方便了 具体参考:https://www.cnblogs.com/cenariusxz/p/10841628.html 1.安装显卡驱动安装ubuntu更新或sudo apt-get update & sudo apt-get upgrade sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-g

由于caffe安装坑很多,而且caffe框架很久不更新了,微调对框架影响不大,所以对与ubuntu18.04在caffe官网提供了一条命令安装,避免很多踩坑痛苦. CPU的一条命令安装: sudo apt install caffe-cpu GPU的一条命令安装: sudo apt install caffe-cuda 一条命令安装依赖: sudo apt build-dep caffe-cpu # dependencies for CPU-only version sudo apt build

ubuntu18.04配置nvidia docker和远程连接ssh+远程桌面连接(三) 本教程适用于想要在远程服务器上配置docker图形界面用于深度学习的用户. (三)配置远程桌面连接访问docker容器 第一步:配置远程桌面 开启容器:sudo nvidia-docker run-it -p 10000:22 ufoym/deepo:ssh bash 容器内依次输入如下指令: apt-get install xfce4 apt-get install xubuntu-desktop apt

首先接前文:ubuntu18.04 下启动Android Studio报错KVM is required to run this AVD. /dev/kvm device: permission denied. 在安装好Android Studio后遇到了改变文件操作权限的问题(使用sudo chown).当时把这条命令加入了 .bashrc 文件想着能够自启动的时候保证这个文件的权限(实则不用,sudo chown改变一次即可). 但因此我发现了新的问题.由于在 .bashrc 文件中写入了s

Ubuntu18.04命令行安装mysql未提示输入密码,修改mysql默认密码 mysql默认密码为空 但是使用mysql -uroot -p 命令连接mysql时,报错ERROR 1045 (28000): Access denied for user 'root'@'localhost' 此时修改root的默认密码即可 1.进入到etc/mysql 目录下,查看debian.cnf文件 2.找到用户名,密码 ,使用此账号登录mysql用户名:debian-sys-maint密码:eWzuv

拿到了一台新机子,带显卡的那种,当然是各种倒腾了!于是我又一天装了三遍机子来进行各种尝试熟悉配置啥的. 所以首先是在裸机上安装Nvidia驱动. 环境:Ubuntu18.04 刚安装完系统,当然是把软件更新器提出的下载更新给下载一下了.所以首先应该是 sudo apt-get update 当然,上述是系统主动提出的更新,并没有输入指令啦~ 接下来,为了安装较新的驱动,先将ppa源加入 sudo add-apt-repository ppa:graphics-drivers/ppa sudo a

Ubuntu的安装 今天终于下定决心要把笔记本安装成Ubuntu,但是网上的教材不够全面,我就想整合以下教程. 接下来详细讲解安装过程 1. Ubuntu iso镜像下载 下载地址:https://www.ubuntu.com/download/desktop 2. 启动盘的制作 参考: 用UltraISO制作Ubuntu18.04 U盘启动盘 注意 安装启动盘的时候格式化U盘,先要备份文件 关闭BIOS的secure boot 华硕笔记本的进入bios的按键是ESC 具体可参考以下链接 在 B

安装步骤 在开始安装之前,我要说明一下,这个Ubuntu18.04系统的安装,使用的连接线(就是服务器和电脑显示器的连接线)必须两头都是VGA连接线,不能使用VGA转HDMI连接线,也不能用DVI转DP连接线(戴尔PowerEdge T630服务器有一个VGA接口,一个HDMI接口,三个DP接口).以下安装成功之后,使用的是VGA通用集显,使用不了独显,需要使用的独显的话,需要改一下BIOS,安装显卡驱动以及把VGA连接线换为VGA转HDMI连接线或者DVI转DP连接线,才能使用独显. 1.首先

os安装 目前对tensorflow和cuda支持最好的是ubuntu的18.04 ,16.04这种lts,推荐使用18.04版本.非lts的版本一般不推荐. Windows倒是也能用来装深度GPU环境,但是Windows上的问题实在太多了,而且很多都是跟环境相关的,不具备普遍性,解决了也没有意义.所以真心不推荐Windows环境. 这里需要注意的是,ubuntu有桌面版本和服务器版本的区别,自己用的话,肯定是要桌面版本的,但是如果只是放在角落里做运算机又或者是桌面版本安装失败的时候,可以考虑服

本文写的比较简单,期间遇到的一些小麻烦,自己不认为成为阻碍,所以没有详细写. 如有疑问可以联系QQ:2922530320 Pycharm Pycharm使用Anaconda Pycharm 在新建项目的时候可以指定Conda环境,前提是已经安装了Conda. 如果创建项目的时候没有指定conda环境: Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的pyt

安装完的效果: 参考: https://linuxhint.com/gnome-tweak-tool-ubuntu-17-10/ ---------------------------------------------------- 下面正式开始 ---------------------------------------------------- 要安装主题,首先要先安装相应的工具:TweakTool sudo apt-get update sudo apt-get install gno

多线程 boost编译与运行的坑 背景:因为要使用boost里的多线程库,所以遇到了下面的坑. 系统版本:ubuntu18.04 一,安装boost 1,去boost官网下载 boost_1_XX_0.tar.gz 2,解压 tar -zxvf boost_1_65_0.tar.gz 3,进去解压后的文件夹 cd boost_1_XX_0  4,编译 bootstrap.sh  5,安装 ./b2 注意:安装完成后,会有信息打印到控制台,最重要的就是: 头文件所在的路径(我的例子:/home/y