Workstation saya memiliki dua GPU (Quadro K5200 dan Quadro K2200) dengan Driver NVIDIA terbaru yang diinstal (Versi: 352.41). Setelah mengunduh file cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.debdari CUDA 7.5 Unduhan , saya mencoba menginstalnya, tetapi ternyata hasilnya seperti di bawah ini:

root@P700-Bruce:/home/bruce/Downloads# sudo apt-get install cuda
Reading package lists... Done
Building dependency tree       
Reading state information... Done
Some packages could not be installed. This may mean that you have
requested an impossible situation or if you are using the unstable
distribution that some required packages have not yet been created
or been moved out of Incoming.
The following information may help to resolve the situation:

The following packages have unmet dependencies:
 cuda : Depends: cuda-7-5 (= 7.5-18) but it is not going to be installed
 unity-control-center : Depends: libcheese-gtk23 (>= 3.4.0) but it is not going to be installed
                        Depends: libcheese7 (>= 3.0.1) but it is not going to be installed
E: Error, pkgProblemResolver::Resolve generated breaks, this may be caused by held packages.

Saya sudah mencoba solusinya:

1. sudo apt-get remove nvidia-cuda-* # hapus paket nvidia-cuda lama

2. Instal dependensi yang belum terpenuhi:

   root@P700-Bruce:/home/bruce/Downloads# apt-get install cuda-7-5
   Reading package lists... Done
   Building dependency tree       
   Reading state information... Done
   Some packages could not be installed. This may mean that you have
   requested an impossible situation or if you are using the unstable
   distribution that some required packages have not yet been created
   or been moved out of Incoming.
   The following information may help to resolve the situation:
   
   The following packages have unmet dependencies:
    cuda-7-5 : Depends: cuda-toolkit-7-5 (= 7.5-18) but it is not going to be installed
               Depends: cuda-runtime-7-5 (= 7.5-18) but it is not going to be installed
    unity-control-center : Depends: libcheese-gtk23 (>= 3.4.0) but it is not going to be installed
                           Depends: libcheese7 (>= 3.0.1) but it is not going to be installed
   E: Error, pkgProblemResolver::Resolve generated breaks, this may be caused by held packages.
   
   root@P700-Bruce:/home/bruce/Downloads# apt-get install cuda-toolkit-7-5
   Reading package lists... Done
   Building dependency tree       
   Reading state information... Done
   Some packages could not be installed. This may mean that you have
   requested an impossible situation or if you are using the unstable
   distribution that some required packages have not yet been created
   or been moved out of Incoming.
   The following information may help to resolve the situation:
   
   The following packages have unmet dependencies:
    cuda-toolkit-7-5 : Depends: cuda-core-7-5 (= 7.5-18) but it is not going to be installed
                       Depends: cuda-command-line-tools-7-5 (= 7.5-18) but it is not going to be installed
                       Depends: cuda-samples-7-5 (= 7.5-18) but it is not going to be installed
                       Depends: cuda-documentation-7-5 (= 7.5-18) but it is not going to be installed
                       Depends: cuda-visual-tools-7-5 (= 7.5-18) but it is not going to be installed
    unity-control-center : Depends: libcheese-gtk23 (>= 3.4.0) but it is not going to be installed
                           Depends: libcheese7 (>= 3.0.1) but it is not going to be installed
   E: Error, pkgProblemResolver::Resolve generated breaks, this may be caused by held packages.
   

3. Instal dan gunakan aptitude

Ubuntu14.04 OS saya baru saja diinstal dan telah membuat pembaruan perangkat lunak dan menginstal driver Nvidia terbaru.

Bisakah kamu memberikan bantuan? Terima kasih sebelumnya!

Instalasi CUDA sedikit rumit. Saya telah mengikuti langkah-langkah berikut dan itu berhasil untuk saya. Anda dapat merujuk ke tautan ini juga.

Konfirmasi lingkungan:

1. lspci | grep -i nvidia (Konfirmasikan bahwa informasi dewan NVIDIA ditampilkan)

2. uname -m (pastikan itu adalah x86_64)

3. gcc --version (pastikan sudah terpasang)

Instalasi CUDA -

1. Unduh cuda_7.5.18_linux.runfile dari https://developer.nvidia.com/cuda-downloads

2. Jalankan perintah berikut:

   sudo apt-get install build-essential
   echo blacklist nouveau option nouveau modeset=0 |sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf 
   sudo update-initramfs -u
   

3. Mulai ulang komputer

4. Pada layar login, tekan Ctrl+ Alt+ F1dan login ke pengguna Anda.

5. Buka direktori tempat Anda memiliki driver CUDA, dan jalankan

   chmod a+x .
   sudo service lightdm stop
   sudo bash cuda-7.5.18_linux.run --no-opengl-libs
   

6. Selama instalasi:

   • Terima persyaratan EULA
   • Katakan YA untuk menginstal driver NVIDIA
   • Katakan YA untuk menginstal CUDA Toolkit + Driver
   • Katakan YA untuk menginstal Sampel CUDA
   • Katakan TIDAK membangun kembali konfigurasi Xserver dengan Nvidia

7. Periksa apakah /dev/nvidia*ada file. Jika tidak, lakukan hal berikut

   sudo modprobe nvidia
   

8. Setel variabel lintasan Lingkungan

   export PATH=/usr/local/cuda-7.5/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
   

9. Verifikasi versi driver

   cat /proc/driver/nvidia/version`
   

10. Periksa versi driver CUDA

    nvcc –V
    

11. Nyalakan kembali lightdm

    sudo service lightdm start
    

12. Ctrl+ Alt+ F7dan masuk ke sistem melalui GUI

13. Buat Sampel CUDA, Buka NVIDIA_CUDA-7.5_Samplesfolder melalui terminal, lalu jalankan perintah berikut:

    make
    cd bin/x86_64/linux/release/
    ./deviceQuery
    ./bandwidthTest
    

    Kedua tes akhirnya harus menghasilkan 'LULUS' di terminal

14. Mulai ulang sistem

Ada dua cara untuk menginstal setelan driver CUDA (untuk Optimus dan chipset grafis bawaan pada mainboards hybrid) - yang pertama dijelaskan di sini adalah yang termudah dan deskripsi kedua lebih rumit tetapi juga efektif:

SEBUAH)

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-355 nvidia-prime
sudo reboot

B)

Deskripsi metode B ada di sini, tetapi sudah lebih tua (dijelaskan oleh pengguna dschinn1001) - metode B ini lebih memalukan dan bisa berisiko, tetapi tidak berbahaya. :

Bagaimana saya dapat menginstal Nvidia Driver GT 520 dan Cuda 5.0 di Ubuntu13.04?

Paket beta driver untuk Nvidia yang diunduh untuk Linux ada di sini:

http://www.nvidia.de/object/cuda_1_1_beta.html

Metode A lebih sederhana, tetapi tidak jelas, bagaimana ia berinteraksi dengan xscreensaver dan metode B lebih tua, tetapi paket driver diperbarui juga dalam waktu belakangan ini, dan setelah metode B dilakukan, itu harus bekerja lebih baik dengan dikondisikan xscreensaver bahwa xscreensaver adalah diinstal. (Saya menguji metode B pada 13.10 dan ini bekerja sangat baik, bahkan dengan xscreensaver. Dan saya pikir sisa utas ini tergantung pada perangkat kerasnya.)

Selain itu dan mengacu pada lebah dengan Optimus-graphics-chipset penyesuaian ini untuk lebah juga diperlukan:

Cara mengatur nVidia Optimus / Bumblebee di 14.04

Kedengarannya seperti lp bug 1428972 .

Pengguna fennytansy menambahkan solusi di komentar # 10 :

sudo apt-get install libglew-dev libcheese7 libcheese-gtk23 libclutter-gst-2.0-0 libcogl15 libclutter-gtk-1.0-0 libclutter-1.0-0

Saya berhasil menginstal CUDA menggunakan metode runfile. Pengaturan ini agak rumit karena driver grafis utama Anda juga harus diinstal menggunakan metode runfile ( Lihat Di Sini ).

Mencoba menginstal hanya pengemudi. Ini dapat dilakukan dengan menggunakan metode runfile. Ini akan meminta Anda untuk setiap bagian dari instalasi dan Anda dapat menonaktifkan GLperpustakaan dan toolkit. Pusat kendali persatuan telah memberi saya mengeluarkan juga dengan karena kebutuhan CUDA sampel untuk menggunakan libGLU.sobukan libGL.so. Ini adalah perbaikan yang mudah ketika membangun contoh pembelajaran Anda sendiri.

Coba hapus instalan driver nvidia, dan langsung instal cuda tanpa itu. Pada Ubuntu 14.04 yang baru, saya mengikuti instruksi dari situs nvidia . Selain memverifikasi versi yang kompatibel (gcc, kernel), petunjuknya adalah:

sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb 
sudo apt-get update
sudo apt-get install cuda 

Untungnya, driver nvidia yang tepat telah diinstal sebagai produk sampingan dari langkah-langkah di atas.

Saya menghabiskan satu hari penuh untuk menggunakan " ppa: graphics-drivers / ppa " untuk memperbarui driver NVIDIA ke versi 352. Semuanya gagal. Setelah satu pemasangan, gpu-manager.log melaporkan bahwa driver diinstal sementara Xorg.0.log akan melaporkan yang sebaliknya.

Driver nouveau telah dihapus dan dimasukkan ke daftar hitam: sudo apt-get --purge remove xserver-xorg-video-nouveau cat /etc/modprobe.d/nouveau-nomodeset-jsrobin.conf blacklist opsi nouveau nouveau modeet = 0 alias nouveau dari alias lbm-nouveau pergi

Saya akhirnya menyerah dan menggunakan solusi "NVIDIA ... bin" murni.

1. Nouveau daftar hitam, seperti yang ditunjukkan di atas.
2. sepenuhnya menghapus nouveau Xserver seperti yang dikutip di atas.
3. Atur BIOS sistem untuk memiliki PCIe (dua kartu nvidia) sebagai primer dan menonaktifkan antarmuka mainboard HD4600.
4. boot ke mode pemulihan, jaringan diaktifkan, lalu pergi ke mode konsol.
5. Jalankan "NVIDIA-Linux-x86_64-352.41.run -uninstall" hanya untuk memastikan tidak ada yang tersisa.
6. Menghapus direktori lama di / etc, / usr / local, yang tampak seperti sisa dari instalasi cuda atau nvidia sebelumnya.
7. Lari "NVIDIA-Linux-x86_64-352.41.run"
8. Jalankan "NVIDIA-Linux-x86_64-352.41.run --check" untuk memverifikasi bahwa semuanya benar (benar).
9. Kemudian jalankan "cuda_7.5.18_linux.run" untuk menyelesaikan instalasi. Semuanya sedang berjalan. Kedua monitor menyala dan berfungsi. Saat ini sedang mengerjakan pembuatan file sampel cuda. Pastikan untuk menggunakan flag "--help" pada nampan instal NVIDIA. Alasan utama saya memutuskan untuk pergi ke rute bin (bersama dengan salah satu alternatif yang tidak berfungsi, adalah bahwa pendekatan "bin" menyediakan rute yang mudah untuk pemulihan setelah pembaruan OpenGL "mesa".

Saya reboot Ubuntu hari ini, dan menemukan ada sesuatu dependensi yang belum terpenuhi seperti libcog15 : Depends: mesa-driver...(saya tidak ingat nama paket lengkapnya), jadi saya biasa apt-get installmenginstal "mesa-driver". Setelah itu, CUDA 7.5 berhasil diinstal.

Perhatikan bahwa versi Kernel saya adalah 3.19.0-28-generik dan versi gcc adalah Ubuntu 4.8.4-2ubuntu1 ~ 14.04 , yang tidak ditemukan di dokumen resmi CUDA 7.5 . Saya akan memeriksa apakah itu benar-benar berfungsi.

Saya mencoba sudo su dan apt-get install cuda, bukan sudo apt-get install cuda. Itu berhasil.

 sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
 sudo apt-get update
 sudo su
 apt-get install cuda

Silakan merujuk ke: https://github.com/astorfi/Caffe_Deep_Learning/blob/master/Installation/readme.md . Hal ini terkait dengan pemasangan Caffe pada intinya tetapi juga menangani instalasi CUDA.

-masalah dengan lightdm login (loop login)

-masalah dengan driver istall ("Instalasi Driver gagal: tampaknya, bahwa server X sedang berjalan ...")

Untuk berhasil menginstal NVidia CUDA Toolkit di Ubuntu 16.04 64bit, saya baru saja harus melakukan:

1. buat liveImage dari Ubuntu dengan flashdisk (pena 8GB sudah cukup) - percobaan semacam itu akan menghemat banyak keberanian , sebelum instalasi yang gagal di sistem Linux host Anda !!!
2. masuk pada sesi langsung pada pendrive ("Coba Ubuntu, sebelum menginstal")

3. tambahkan pengguna sudo di sesi langsung:

   sudo adduser admin (#pass: admin1)

   sudo usermod -aG sudo admin

4. keluar dari sesi langsung, masuk sebagai #admin

5. unduh CUDA Toolkit dari situs resmi NVidia (~ 1.5GB)

6. ubah hak istimewa untuk file pemasang yang diunduh (JANGAN INSTAL DI LANGKAH INI!):
   sudo chmod + x cuda_X.X.run

7. beralih ke tampilan konsol:

   Ctr + Alt + F1 (untuk mengaktifkan tampilan terminal) Ctr + Alt + F7 (untuk beralih dari tampilan terminal ke server grafis)

8. pada tampilan konsol (Ctr + Alt + F1) masuk:

   login: admin pass: admin1

9. hentikan layanan berjalan grafis:

   layanan sudo berhenti lightdm

10. periksa apakah server grafis mati - setelah beralih Ctr + Alt + F7 monitor harus kosong hitam, aktifkan kembali tampilan konsol Ctr + Alt + F1

11. instal CUDA Toolkit, dengan konfigurasi seperti itu:

    sudo ./cuda_X.X.run (tekan 'q' untuk lewati lisensi baca) jangan instal pustaka OpenGL jangan perbarui konfigurasi sistem X pilihan lain buat yes dan path sebagai default

12. nyalakan server grafis:

    sudo service lightdm start

13. masuk sebagai pengguna (jika Anda secara otomatis masuk sebagai #ubuntu saat sesi keluar langsung):

    login: admin pass: admin1

14. periksa kompilator nvcc apa pun yang berfungsi dengan jumlah vektor paralel sederhana yang disediakan di Blok GPU:

    simpan vecSum.cu dan book.h di file baru, kompilasi dan jalankan di terminal: /usr/local/cuda-8.0/bin/nvcc vecSum.cu && clear && ./a.out

15. periksa hasil cetak konsol - harus sama dengan: 0,000000 + 0,000000 = 0,000000

    -1.100000 + 0.630000 = -0.000000
    
    -2.200000 + 2.520000 = 0.319985
    
    -3.300000 + 5.670000 = 2.119756
    -4.400000 + 10.080000 = 5.679756
    -5.500000 + 15.750000 = 10.250000
    -6.600000 + 22.680000 = 16.017500
    -7.700000 + 30.870001 = 23.170002
    -8.800000 + 40.320000 = 31.519997
    -9.900000 + 51.029999 = 41.129967
    

16. jika semuanya berjalan dengan baik pada sesi live flashdisk, lakukan hal yang sama pada sistem host linux Anda

PS Harap dicatat bahwa ini bukan tutorial yang ideal, tetapi berfungsi dengan baik untuk saya!

======= vecSum.cu =====

#include "book.h"
#define N 50000
///usr/local/cuda-8.0/bin/nvcc vecSum.cu && clear && ./a.out

//"HOST" = CPU
//"Device" = GPU

__global__ void add( float *a, float *b, float *c )
{
    int tid = blockIdx.x;
    if ( tid < N )
        c[ tid ] = a[ tid ] + b[ tid ];
}

int main ( void )
{
    float a[ N ], b[ N ], c[ N ];
    float *dev_a, *dev_b, *dev_c;
    //GPU memory allocation
    HANDLE_ERROR( cudaMalloc( ( void** )&dev_a, N * sizeof( float ) ) );
    HANDLE_ERROR( cudaMalloc( ( void** )&dev_b, N * sizeof( float ) ) );
    HANDLE_ERROR( cudaMalloc( ( void** )&dev_c, N * sizeof( float ) ) );

    //sample input vectors CPU generation
    for ( int i = 0; i < N; i++ )
    {
        a[ i ] = -i * 1.1;
        b[ i ] = i * i * 0.63;
    }

    //copy/load from CPU to GPU data vectors a[], b[] HostToDevice
    HANDLE_ERROR( cudaMemcpy( dev_a, a, N * sizeof( float ), cudaMemcpyHostToDevice ) );
    HANDLE_ERROR( cudaMemcpy( dev_b, b, N * sizeof( float ), cudaMemcpyHostToDevice ) );

    //calculate sum of vectors on GPU
    add<<<N,1>>> ( dev_a, dev_b, dev_c );

    //copy/load result vector from GPU to CPU c[] DeviceToHost
    HANDLE_ERROR( cudaMemcpy( c, dev_c, N * sizeof( float ), cudaMemcpyDeviceToHost ) );

    //printout results
    for ( int i = 0; i < 10; i++ ) printf( "%f + %f = %f\n", a[ i ], b[ i ], c[ i ] );

    //free memory and constructed objects on GPU
    cudaFree( dev_a );
    cudaFree( dev_b );
    cudaFree( dev_c );

    return 0;
}

========= book.h ======

/*
 * Copyright 1993-2010 NVIDIA Corporation.  All rights reserved.
 *
 * NVIDIA Corporation and its licensors retain all intellectual property and
 * proprietary rights in and to this software and related documentation.
 * Any use, reproduction, disclosure, or distribution of this software
 * and related documentation without an express license agreement from
 * NVIDIA Corporation is strictly prohibited.
 *
 * Please refer to the applicable NVIDIA end user license agreement (EULA)
 * associated with this source code for terms and conditions that govern
 * your use of this NVIDIA software.
 *
 */


#ifndef __BOOK_H__
#define __BOOK_H__
#include <stdio.h>

static void HandleError( cudaError_t err,
                         const char *file,
                         int line ) {
    if (err != cudaSuccess) {
        printf( "%s in %s at line %d\n", cudaGetErrorString( err ),
                file, line );
        exit( EXIT_FAILURE );
    }
}
#define HANDLE_ERROR( err ) (HandleError( err, __FILE__, __LINE__ ))


#define HANDLE_NULL( a ) {if (a == NULL) { \
                            printf( "Host memory failed in %s at line %d\n", \
                                    __FILE__, __LINE__ ); \
                            exit( EXIT_FAILURE );}}

template< typename T >
void swap( T& a, T& b ) {
    T t = a;
    a = b;
    b = t;
}


void* big_random_block( int size ) {
    unsigned char *data = (unsigned char*)malloc( size );
    HANDLE_NULL( data );
    for (int i=0; i<size; i++)
        data[i] = rand();

    return data;
}

int* big_random_block_int( int size ) {
    int *data = (int*)malloc( size * sizeof(int) );
    HANDLE_NULL( data );
    for (int i=0; i<size; i++)
        data[i] = rand();

    return data;
}


// a place for common kernels - starts here

__device__ unsigned char value( float n1, float n2, int hue ) {
    if (hue > 360)      hue -= 360;
    else if (hue < 0)   hue += 360;

    if (hue < 60)
        return (unsigned char)(255 * (n1 + (n2-n1)*hue/60));
    if (hue < 180)
        return (unsigned char)(255 * n2);
    if (hue < 240)
        return (unsigned char)(255 * (n1 + (n2-n1)*(240-hue)/60));
    return (unsigned char)(255 * n1);
}

__global__ void float_to_color( unsigned char *optr,
                              const float *outSrc ) {
    // map from threadIdx/BlockIdx to pixel position
    int x = threadIdx.x + blockIdx.x * blockDim.x;
    int y = threadIdx.y + blockIdx.y * blockDim.y;
    int offset = x + y * blockDim.x * gridDim.x;

    float l = outSrc[offset];
    float s = 1;
    int h = (180 + (int)(360.0f * outSrc[offset])) % 360;
    float m1, m2;

    if (l <= 0.5f)
        m2 = l * (1 + s);
    else
        m2 = l + s - l * s;
    m1 = 2 * l - m2;

    optr[offset*4 + 0] = value( m1, m2, h+120 );
    optr[offset*4 + 1] = value( m1, m2, h );
    optr[offset*4 + 2] = value( m1, m2, h -120 );
    optr[offset*4 + 3] = 255;
}

__global__ void float_to_color( uchar4 *optr,
                              const float *outSrc ) {
    // map from threadIdx/BlockIdx to pixel position
    int x = threadIdx.x + blockIdx.x * blockDim.x;
    int y = threadIdx.y + blockIdx.y * blockDim.y;
    int offset = x + y * blockDim.x * gridDim.x;

    float l = outSrc[offset];
    float s = 1;
    int h = (180 + (int)(360.0f * outSrc[offset])) % 360;
    float m1, m2;

    if (l <= 0.5f)
        m2 = l * (1 + s);
    else
        m2 = l + s - l * s;
    m1 = 2 * l - m2;

    optr[offset].x = value( m1, m2, h+120 );
    optr[offset].y = value( m1, m2, h );
    optr[offset].z = value( m1, m2, h -120 );
    optr[offset].w = 255;
}


#if _WIN32
    //Windows threads.
    #include <windows.h>

    typedef HANDLE CUTThread;
    typedef unsigned (WINAPI *CUT_THREADROUTINE)(void *);

    #define CUT_THREADPROC unsigned WINAPI
    #define  CUT_THREADEND return 0

#else
    //POSIX threads.
    #include <pthread.h>

    typedef pthread_t CUTThread;
    typedef void *(*CUT_THREADROUTINE)(void *);

    #define CUT_THREADPROC void
    #define  CUT_THREADEND
#endif

//Create thread.
CUTThread start_thread( CUT_THREADROUTINE, void *data );

//Wait for thread to finish.
void end_thread( CUTThread thread );

//Destroy thread.
void destroy_thread( CUTThread thread );

//Wait for multiple threads.
void wait_for_threads( const CUTThread *threads, int num );

#if _WIN32
    //Create thread
    CUTThread start_thread(CUT_THREADROUTINE func, void *data){
        return CreateThread(NULL, 0, (LPTHREAD_START_ROUTINE)func, data, 0, NULL);
    }

    //Wait for thread to finish
    void end_thread(CUTThread thread){
        WaitForSingleObject(thread, INFINITE);
        CloseHandle(thread);
    }

    //Destroy thread
    void destroy_thread( CUTThread thread ){
        TerminateThread(thread, 0);
        CloseHandle(thread);
    }

    //Wait for multiple threads
    void wait_for_threads(const CUTThread * threads, int num){
        WaitForMultipleObjects(num, threads, true, INFINITE);

        for(int i = 0; i < num; i++)
            CloseHandle(threads[i]);
    }

#else
    //Create thread
    CUTThread start_thread(CUT_THREADROUTINE func, void * data){
        pthread_t thread;
        pthread_create(&thread, NULL, func, data);
        return thread;
    }

    //Wait for thread to finish
    void end_thread(CUTThread thread){
        pthread_join(thread, NULL);
    }

    //Destroy thread
    void destroy_thread( CUTThread thread ){
        pthread_cancel(thread);
    }

    //Wait for multiple threads
    void wait_for_threads(const CUTThread * threads, int num){
        for(int i = 0; i < num; i++)
            end_thread( threads[i] );
    }

#endif




#endif  // __BOOK_H__