Установка CUDA немного сложнее. Я выполнил следующие шаги, и это работает для меня. Вы также можете обратиться к этой ссылке .

Подтверждение среды:

1. lspci | grep -i nvidia (Убедитесь, что отображается информация о плате NVIDIA)

2. uname -m ( убедитесь, что это x86_64)

3. gcc --version (убедитесь, что оно установлено)

Установка CUDA -

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

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

sudo modprobe nvidia

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

cat /proc/driver/nvidia/version`

nvcc –V

sudo service lightdm start

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

Похоже на LP ошибка 1428972 .

Пользователь fennytansy добавил обходной путь в комментарий № 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

Сегодня я перезагрузил Ubuntu и обнаружил еще одну неудовлетворенную зависимость, например, libcog15 : Depends: mesa-driver... (я не могу вспомнить полное имя пакета), поэтому я использовал apt-get install для установки «mesa-драйвера». После этого CUDA 7.5 успешно установлен.

Обратите внимание, что моя версия ядра - 3.19.0-28-generic , а версия gcc - Ubuntu 4.8.4-2ubuntu1 ~ 14.04 , чего нет в Официальные документы CUDA 7.5 . Я проверю, действительно ли это работает.

-проблемы с входом в систему lightdm (цикл входа в систему)

-проблемы с драйвером istall («Ошибка установки драйвера: кажется, что X-сервер работает ...»)

Чтобы успешно установить NVidia CUDA Toolkit на Ubuntu 16.04 64bit, мне просто нужно было сделать:

1. сделать liveImage Ubuntu на pendrive (достаточно 8GB пера) - такая попытка спасет сохранить тонна нервов , до неудачной установки на хост-систему Linux !!!
2. вход в систему в режиме реального времени на pendrive («Попробуйте Ubuntu, перед установкой»)

3. добавить Пользователь sudo на сеансе в реальном времени:

   администратор addoser sudo (#pass: admin1)

   пользователь sudo -aG Администратор sudo

4. выход из сеанса реального времени, войдите в систему как #admin

5. скачайте CUDA Toolkit с официального сайта NVidia (~ 1,5 ГБ)

6. измените привилегии для загруженного установочного файла (НЕ УСТАНАВЛИВАЙТЕ НА ЭТОМ ШАГЕ!) :
   sudo chmod + x cuda_X.X.run

7. переключиться в вид консоли:

   Ctr + Alt + F1 (для включения вида терминала) Ctr + Alt + F7 (для переключения с вида терминала на графический сервер)

8. в виде консоли (Ctr + Alt + F1) войти в систему:

   войти: admin pass: admin1

9. остановить работу графического сервиса:

   sudo service lightdm stop

10. проверить, не отключен ли графический сервер - после переключения Ctr + Alt + F7 монитор должен быть пустым черным, снова переключиться в режим просмотра консоли Ctr + Alt + F1

11. установить CUDA Toolkit с такой конфигурацией:

    sudo ./cuda_X.X.run (нажмите «q» для пропуска чтения лицензии), не устанавливайте библиотеку OpenGL, не обновляйте конфигурацию системы X, другие параметры дают «да» и пути по умолчанию

12. включить графический сервер:

    sudo service lightdm start

13. войти в систему как пользователь (если вы автоматически входите как #ubuntu при выходе из сеанса в реальном времени):

    login: admin pass: admin1

14. проверять любой nvcc compi ler работает с предоставленной простой параллельной векторной суммой в блоках GPU:

    сохраните vecSum.cu и book.h в новых файлах, скомпилируйте и запустите на терминале: /usr/local/cuda-8.0/bin/nvcc vecSum. у & amp; очистить & amp; & amp; ./a.out

15. проверить распечатку консоли - она ​​должна быть похожа на: 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. если все прошло хорошо на сеансе pendrive live, сделайте то же самое на вашей системе linux

PS Обратите внимание, что это не идеальный учебник, но он отлично работает для меня!

======= 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__

Существует два способа установить подходящий CUDA-драйвер (для Optimus и еще встроенных графических чипсетов на гибридных системных платах) - первое, описанное здесь, является самым легким, и второе описание является более громоздким, но эффективным также:

описание A)

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

B)

метода B здесь, но уже более старый (объясненный пользователем dschinn1001) - этот метод B является большим количеством humblesome и может быть опасным, но не вредным.:

, Как я могу Установить драйвер GT 520 Nvidia и Cuda 5.0 в Ubuntu13.04?

бета пакет драйвера для Nvidia для загрузки для Linux здесь:

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

Метод A является более простым, но не четким, как он взаимодействует с xscreensaver, и метод B является более старым, но пакет драйвера обновляется также в последнее время, и после того, как метод B сделан, он должен работать лучше с xscreensaver, обусловленным это, xscreensaver установлен. (Я протестировал метод на 13,10, и это работало очень хорошее, даже с xscreensaver. И я думаю, что остальная часть этого потока до аппаратных средств.)

, Кроме того, и в отношении шмеля с графическими чипсетами Optimus эти корректировки к шмелю необходимы также:

, Как настроить Optimus/Шмеля Nvidia в 14,04

Я успешно установил CUDA использование runfile метода. Это немного более хитро для установки, потому что основной графический драйвер также должен быть установлен с помощью runfile метода (, Посмотрите Здесь ).

Попытка, устанавливающая всего драйвер. Это может быть сделано при помощи runfile метода. Это предложит Вам каждую часть установки, и можно отключить эти GL библиотеки и инструментарии. Центр управления единицы давал мне проблемы также с должным к потребности образца CUDA использовать libGLU.so вместо libGL.so. Это - легкая фиксация при создании собственных примеров изучения.

Попытайтесь удалить драйвер Nvidia и непосредственно установить cuda без него. На новой Ubuntu 14.04 я следовал инструкциям от веб-сайт nvidia . Кроме проверки совместимых версий вещей (gcc, ядро), инструкции были:

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

Счастливо, корректный драйвер Nvidia был установлен как побочный продукт шагов выше.

Я провел целый день, стремясь использовать" ppa:graphics-drivers/ppa" для обновления драйверов NVIDIA к версии 352. Все перестало работать. После одной установки gpu-manager.log сообщил, что драйверы были установлены, в то время как Xorg.0.log сообщит о противоположном.

nouveau драйвер был удален и помещен в черный список: склонные sudo - добираются - чистка удаляет xserver-xorg-video-nouveau кошку,/etc/modprobe.d/nouveau-nomodeset-jsrobin.conf помещают в черный список nouveau опции nouveau modeset=0, искажают nouveau от псевдонима lbm-nouveau прочь

, я наконец сдался и использовал просто "NVIDIA... мусорное ведро" решение.

1. Помещенный в черный список nouveau, как показано выше.
2. полностью удалил nouveau Xserver, как процитировано выше.
3. Набор системная BIOS, чтобы иметь PCIe (две карты Nvidia) как основной и деактивировал интерфейс HD4600 системной платы.
4. загруженный в режим восстановления, активированную сеть, затем перешел к консольному режиму.
5. Работал "NVIDIA-Linux-x86_64-352.41.run - удаление" только, чтобы удостовериться, что ничто не оставили.
6. Удаленный любые старые каталоги в / и т.д.,/usr/local, который был похож на остаток прошлого cuda или установок Nvidia.
7. Работал, "NVIDIA-Linux-x86_64-352.41.run"
8. Работал "NVIDIA-Linux-x86_64-352.41.run - проверка", чтобы проверить, что все было корректно (это было).
9. Затем выполнил "cuda_7.5.18_linux.run" для завершения установки. Вещи в настоящее время работают. Оба монитора возросли и работа. В настоящее время работая над созданием cuda файлов примера. Обязательно используйте "-помогают" флагам на мусорных ведрах установки NVIDIA. Главная причина я решил пойти путем мусорного ведра (наряду с одной из альтернатив, не работающих, то, что подход "мусорного ведра" предоставляет легкий маршрут восстановлению после "мезаструктуры" обновление OpenGL.

Я попробовал sudo su, и склонный - добираются, установка cuda вместо sudo Кв. - получают установку cuda. Это работало.

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

См.: https://github.com/astorfi/Caffe_Deep_Learning/blob/master/Installation/readme.md. Это связано с установкой Caffe в сущности, но это обращается к установке CUDA также.