linux下安装Nvidia显卡驱动

源更改源设置：sudogedit/etc/apt/sources.list添加一行debhttp://nvidia.limitless.lupin.me.uk/ubuntuedgystable-9631sudoapt-getupdatewgethttp://nvidia.limitless.lupin.me.uk/uUbuntu/root@lupin.me.uk.gpg-O-|sudoapt-keyadd-sudoapt-getinstallnvidia-glx-dsudoapt-getinstallnvidia-glx手动安装：前往http://www.nvidia.com/下载32/64位bit驱动程序版本位于主目录中，以便于访问。
删除原来的驱动（假设你在源码中安装了nvidia-glx驱动，手动安装驱动的可以跳过）：sudoapt-get–purgeremovenvidia-glx然后使用原来的xorg.conf备份恢复X设置sudocp/etc/X11/xorg.conf.backup/etc/X11/xorg.conf重新启动，确保正常启动编译和安装环境以及预备步骤：安装头文件和编译环境sudoapt-getinstalllinux-headers-$(uname-r)build-essentialedgy安装新的gcc最好。
如果未安装，请手动安装最后引号中的gksudogedit/etc/default/linux-restricted-modules-common。
在“nv”后面添加“nv”一词是为了防止X启动错误sudocp/etc/X11/xorg.conf/etc/X11/xorg.conf.mybackup如果启动.mybackup/etc/X11/xorg.conf恢复在您的硬件上不可用）：[未经测试]sudoapt-get–purgeremovenvidia-settingsnvidia-kernel-commonsudorm/etc/init.d/nvidia-*开始安装（对于手动安装nv驱动的，安装时可以选择卸载旧版本驱动）：取出一块纸和笔并写下以下命令，因为我们必须进入纯终端才能安装并注销，请按Ctrl+Alt+F1，登录并关闭gdmsudo/etc/init.d/gdmstop并开始安装（假设下载的文件位于主根目录）sudoshNVIDIA-Linux-x86-169.09-pkg1运行如果您下载了64位驱动程序sudoshNVIDIA-Linux-x86_64-1.0-9629-pkg1.run，进入安装界面后，首先接受协议，选择“接受”。
可能会出现旧驱动程序已安装的通知（取决于您是否手动安装）。
如果您想删除它，只需选择“是”即可。
一般会提示模块丢失，询问是否删除。
在线下载。
选择“否”，会提示需要自己编译，选择“确定”，然后编译安装。
最后会提示需要修改xorg.conf。
选择是。
完成安装并选择确定。
然后返回终端界面并重新启动gdmsudo/etc/init.d/gdmstart或重新启动系统。
现在您可以重新启动并尝试查看驱动程序是否已安装。
您可以在“应用程序-”系统工具-”NVIDIAXserversetting中查看驱动信息：每次内核更新后都需要重新安装nv驱动！重复第5点的步骤。
如果不想显示nVidia标志，可以去掉在启动界面出现nVidia徽标之前，您需要手动编辑Xorg配置文件，选择屏幕顶部的Apps应用程序菜单，然后选择Accessories和HeadDevices。
进入以下命令：sudogedit/etc/X11/xorg.conf在“设备”部分中找到包含“nvidia”的行，并在该部分后面添加“选项”。
线。
NoLogo”保存文件并退出，重新启动X。

Linux安装Nvidia显卡驱动+CUDA+cuDNN+PyTorch

本文详细介绍了在Ubuntu18.04环境下安装Nvidia、CUDA、cuDNN和PyTorch显卡驱动的整个过程。
下面是具体步骤和内容：首先，检查电脑的显卡型号。
本例中显卡型号为GeForceGTX1080Ti。
接下来，禁用Ubuntu附带的Nouveau驱动程序，以确保使用官方Nvidia驱动程序。
此步骤对于避免兼容性问题非常重要。
编辑该文件以禁用Nouveau驱动程序。
添加自定义代码以启用禁用。
更新系统并重新启动计算机以使更改生效。
检查Nouveau驱动是否成功禁用。
如果没有输出，则说明已成功禁用。
安装GCC和CMake。
检查安装状态，确认已安装成功。
下载Nvidia显卡驱动，进入官网，选择对应的显卡型号，下载指定版本。
关闭显示模式，切换到tty终端模式，然后输入命令关闭显示管理器。
在终端中运行下载的驱动程序安装程序，然后按照说明继续安装。
重启后输入nvidia-smi查看驱动安装结果应该会显示对应的CUDA版本。
安装CUDA，检查对应的CUDA版本，下载CUDA10.0，安装并确认安装不完整提示。
配置环境变量以确保安装成功。
测试CUDA配置，输出类似“PASS”表示成功。
下载cuDNN，选择与CUDA版本匹配的版本，下载并解压文件。
将cuDNN文件夹中的cudnn.h和libcunn*文件复制到CUDA安装对应目录中。
至此，cuDNN安装完成，可以开始安装PyTorch了。
访问PyTorch官方网站查找与CUDA版本匹配的PyTorch版本建议使用豆瓣源通过pip安装，以确保安装成功。
检测PyTorch是否成功调用显卡，并通过某些命令进行验证。
完成上述步骤后，您将在Ubuntu18.04环境中成功安装Nvidia、CUDA、cuDNN和PyTorch图形驱动程序，并为使用GPU加速的深度学习项目做好准备。