STEP I – 驱动程序安装(如果您选择常规驱动程序)
这部分几乎保持不变。从他们的网站下载适用于 Linux 的 Nvidia 驱动程序,确保根据您的系统选择 32 位或 64 位 Linux。
确保使用以下命令安装了必需的工具 -
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
Run Code Online (Sandbox Code Playgroud)
接下来,将所需模块列入黑名单(以免干扰驱动程序安装)-
sudo nano /etc/modprobe.d/blacklist.conf
Run Code Online (Sandbox Code Playgroud)
将以下行添加到文件末尾,每行一行,完成后保存 -
blacklist amd76x_edac
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
Run Code Online (Sandbox Code Playgroud)
为了摆脱任何 nVidia 残差,请在终端中运行以下命令 -
sudo apt-get remove --purge nvidia*
Run Code Online (Sandbox Code Playgroud)
这可能需要一段时间,所以请耐心等待。完成后,重新启动机器。在登录屏幕上,暂时不要登录。按 Ctrl+Alt+F1 切换到基于文本的登录,并切换到包含下载的驱动程序的目录。运行以下命令 -
sudo service lightdm stop
chmod +x NVIDIA*.run
Run Code Online (Sandbox Code Playgroud)
其中 NVIDIA*.run 是驱动程序的全名。接下来,开始安装 -
sudo ./NVIDIA*.run
Run Code Online (Sandbox Code Playgroud)
按照屏幕上的说明进行操作。如果安装程序抛出关于 nouveau 仍在运行的错误,请允许它为 nouveau 创建黑名单,退出安装并重新启动。在这种情况下,再次运行以下命令 -
sudo service lightdm stop
sudo ./NVIDIA*.run
Run Code Online (Sandbox Code Playgroud)
安装现在应该顺利进行。当它询问您是否需要 32 位库以及是否希望它编辑 xorg.conf 以默认使用这些驱动程序时,请同时允许。
安装完成后重新启动。
第二步——CUDA工具包安装
下载 CUDA 工具包(我使用的是 Ubuntu 11.10 64 位版本)。导航到包含下载的 CUDA 工具包包的目录,并运行以下命令 -
chmod +x cuda*.run
sudo ./cuda*.run
Run Code Online (Sandbox Code Playgroud)
cuda*.run下载的CUDA工具包的全名在哪里。接受出现的许可证。接下来,如果您还没有安装驱动程序,请选择安装(这是开发版本)。安装驱动程序需要切换到基于文本的 shell (Ctrl+Alt+F1),按照上一步中的详细说明停止 lightdm,并以超级用户身份运行工具包安装程序。CUDA 5.0 工具包安装是强制性的,而包含的示例则不是。除非您有特定原因不这样做,否则允许安装程序继续使用默认位置。这使得将来更容易进行故障排除。
此过程可能需要一段时间,具体取决于您的系统配置。完成后,仔细检查摘要屏幕以确保一切就绪。如果示例安装失败(这种情况经常发生),可能是由于缺少一个或多个库。在这种情况下,安装所需的库并重新运行安装程序,选择单独安装示例。
为确保每次访问终端时都修改必要的环境变量(PATH和LD_LIBRARY_PATH),将必要的行(从摘要屏幕)添加到末尾,~/.bashrc如下所示 -
32位系统-
export PATH=$PATH:/usr/local/cuda-5.0/bin
export LD_LIBRARY_PATH=/usr/local/cuda-5.0/lib
Run Code Online (Sandbox Code Playgroud)
64位系统 -
export PATH=$PATH:/usr/local/cuda-5.0/bin
export LD_LIBRARY_PATH=/usr/local/cuda-5.0/lib64:/lib
Run Code Online (Sandbox Code Playgroud)
上面使用的路径将根据您为工具包选择的安装目录而有所不同。这结束了可以说更简单的设置(与 Linux 用户的 CUDA 4.x 相比),尽管示例的安装仍然受到依赖地狱的影响。
步骤 III – CUDA 示例安装和故障排除
虽然示例的安装应该很简单(只需运行多合一工具包安装程序),但通常并不那么容易。如果您收到类似于“由于缺少库而导致示例安装失败 – libglut.so 未找到”的错误,通常是因为安装程序查找 libglut.so 而不是变体(如 libglut.so.3)。为了解决这个问题,我们必须创建软链接,以便安装程序可以跟踪这些文件。
确定是否存在 libglut.so 的变体,如下所示 -
sudo find /usr -name libglut\*
Run Code Online (Sandbox Code Playgroud)
在我的 64 位 Ubuntu 12.04 安装中,输出以下文本 -
/usr/lib/x86_64-linux-gnu/libglut.so.3
/usr/lib/x86_64-linux-gnu/libglut.so.3.9.0
/usr/lib/x86_64-linux-gnu/libglut.a
/usr/lib/x86_64-linux-gnu/libglut.so
Run Code Online (Sandbox Code Playgroud)
现在已经找到了 libglut.so 的变体(即 libglut.so.3),我们可以创建一个指向它的软链接 -
sudo ln -s /usr/lib/x86_64-linux-gnu/libglut.so.3 /usr/lib/libglut.so
Run Code Online (Sandbox Code Playgroud)
接下来,重新运行多合一安装程序,这次选择仅安装示例。这应该可以解决之前出现的“缺少库”错误。
如果您正在寻找有关 CUDA 和 GPGPU 编程的一般书籍,可以在此处找到更多阅读资源。
| 归档时间: |
|
| 查看次数: |
34692 次 |
| 最近记录: |