首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >CUDA与Nvidia 440驱动器不兼容吗?

CUDA与Nvidia 440驱动器不兼容吗?
EN

Ask Ubuntu用户
提问于 2019-11-13 09:14:58
回答 1查看 2.4K关注 0票数 0

今天,我将我的Nvidia驱动程序升级到440版(从430版本)。然后我可能做错了什么,我卸载了CUDA (或者它被系统删除了,我不记得了)。

我通过运行sudo apt install nvidia-cuda-toolkit安装了库达工具包,但是$CUDA目录几乎是空的:它只包含一个samples目录,其中包含预编译的示例。该目录中没有像以前那样的源代码、文档、库等等。

我遵循了在https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64和目标_distro=Ubuntu&target_version=1804&target_type=deblocal上描述的说明,但是当我运行sudo apt install cuda时,我得到的是:

代码语言:javascript
运行
AI代码解释
复制
Reading package lists... Done
Building dependency tree       
Reading state information... Done
The following package was automatically installed and is no longer required:
  libnvidia-common-440
Use 'sudo apt autoremove' to remove it.
The following additional packages will be installed:
  cuda-command-line-tools-10-1 cuda-compiler-10-1 cuda-cudart-10-1
  cuda-cudart-dev-10-1 cuda-cufft-10-1 cuda-cufft-dev-10-1 cuda-cuobjdump-10-1
  cuda-cupti-10-1 cuda-curand-10-1 cuda-curand-dev-10-1 cuda-cusolver-10-1
  cuda-cusolver-dev-10-1 cuda-cusparse-10-1 cuda-cusparse-dev-10-1
  cuda-demo-suite-10-1 cuda-documentation-10-1 cuda-driver-dev-10-1
  cuda-drivers cuda-gdb-10-1 cuda-gpu-library-advisor-10-1 cuda-libraries-10-1
  cuda-libraries-dev-10-1 cuda-license-10-1 cuda-memcheck-10-1
  cuda-misc-headers-10-1 cuda-npp-10-1 cuda-npp-dev-10-1 cuda-nsight-10-1
  cuda-nsight-compute-10-1 cuda-nsight-systems-10-1 cuda-nvcc-10-1
  cuda-nvdisasm-10-1 cuda-nvgraph-10-1 cuda-nvgraph-dev-10-1 cuda-nvjpeg-10-1
  cuda-nvjpeg-dev-10-1 cuda-nvml-dev-10-1 cuda-nvprof-10-1 cuda-nvprune-10-1
  cuda-nvrtc-10-1 cuda-nvrtc-dev-10-1 cuda-nvtx-10-1 cuda-nvvp-10-1
  cuda-runtime-10-1 cuda-samples-10-1 cuda-sanitizer-api-10-1
  cuda-toolkit-10-1 cuda-tools-10-1 cuda-visual-tools-10-1 libcublas-dev
  libcublas10 libnvidia-cfg1-418 libnvidia-common-418 libnvidia-compute-418
  libnvidia-decode-418 libnvidia-encode-418 libnvidia-fbc1-418
  libnvidia-gl-418 libnvidia-ifr1-418 libxmu-dev libxmu-headers
  nsight-compute-2019.4.0 nsight-systems-2019.3.7 nvidia-compute-utils-418
  nvidia-dkms-418 nvidia-driver-418 nvidia-kernel-common-418
  nvidia-kernel-source-418 nvidia-modprobe nvidia-settings nvidia-utils-418
  xserver-xorg-video-nvidia-418
Recommended packages:
  libnvidia-compute-418:i386 libnvidia-decode-418:i386
  libnvidia-encode-418:i386 libnvidia-ifr1-418:i386 libnvidia-fbc1-418:i386
  libnvidia-gl-418:i386
The following packages will be REMOVED:
  libnvidia-cfg1-440 libnvidia-compute-440 libnvidia-compute-440:i386
  libnvidia-decode-440 libnvidia-decode-440:i386 libnvidia-encode-440
  libnvidia-encode-440:i386 libnvidia-fbc1-440 libnvidia-fbc1-440:i386
  libnvidia-gl-440 libnvidia-gl-440:i386 libnvidia-ifr1-440
  libnvidia-ifr1-440:i386 nvidia-compute-utils-440 nvidia-dkms-440
  nvidia-driver-440 nvidia-kernel-common-440 nvidia-kernel-source-440
  nvidia-utils-440 xserver-xorg-video-nvidia-440
The following NEW packages will be installed:
  cuda-10-1 cuda-command-line-tools-10-1 cuda-compiler-10-1 cuda-cudart-10-1
  cuda-cudart-dev-10-1 cuda-cufft-10-1 cuda-cufft-dev-10-1 cuda-cuobjdump-10-1
  cuda-cupti-10-1 cuda-curand-10-1 cuda-curand-dev-10-1 cuda-cusolver-10-1
  cuda-cusolver-dev-10-1 cuda-cusparse-10-1 cuda-cusparse-dev-10-1
  cuda-demo-suite-10-1 cuda-documentation-10-1 cuda-driver-dev-10-1
  cuda-drivers cuda-gdb-10-1 cuda-gpu-library-advisor-10-1 cuda-libraries-10-1
  cuda-libraries-dev-10-1 cuda-license-10-1 cuda-memcheck-10-1
  cuda-misc-headers-10-1 cuda-npp-10-1 cuda-npp-dev-10-1 cuda-nsight-10-1
  cuda-nsight-compute-10-1 cuda-nsight-systems-10-1 cuda-nvcc-10-1
  cuda-nvdisasm-10-1 cuda-nvgraph-10-1 cuda-nvgraph-dev-10-1 cuda-nvjpeg-10-1
  cuda-nvjpeg-dev-10-1 cuda-nvml-dev-10-1 cuda-nvprof-10-1 cuda-nvprune-10-1
  cuda-nvrtc-10-1 cuda-nvrtc-dev-10-1 cuda-nvtx-10-1 cuda-nvvp-10-1
  cuda-runtime-10-1 cuda-samples-10-1 cuda-sanitizer-api-10-1
  cuda-toolkit-10-1 cuda-tools-10-1 cuda-visual-tools-10-1 libcublas-dev
  libcublas10 libnvidia-cfg1-418 libnvidia-common-418 libnvidia-compute-418
  libnvidia-decode-418 libnvidia-encode-418 libnvidia-fbc1-418
  libnvidia-gl-418 libnvidia-ifr1-418 libxmu-dev libxmu-headers
  nsight-compute-2019.4.0 nsight-systems-2019.3.7 nvidia-compute-utils-418
  nvidia-dkms-418 nvidia-driver-418 nvidia-kernel-common-418
  nvidia-kernel-source-418 nvidia-modprobe nvidia-utils-418
  xserver-xorg-video-nvidia-418
The following packages will be upgraded:
  nvidia-settings
EN

回答 1

Ask Ubuntu用户

发布于 2020-12-07 11:23:06

您的nvidia驱动程序将支持多个Cuda版本:使用“nvidia-smi”查找您可以支持的“最高”cuda版本。

您可以在系统上安装多个cuda版本(从Nvidia下载和安装),但是在完成安装过程时,不要(取消)Nvidia驱动程序的旧版本。

例如:运行nvidia,您可以看到您可以最多支持10.2 Cuda。

您可以从Nvidia下载/访问cuda 9或10.1、10.0到/usr/local。

要使用您选择的Cuda版本,请修改您的$PATH和$LD_LIBRARY_PATH。

我将指向搜索(cuda,LD_LIBRARY_PATH,PATH)和这篇博客文章,以获得更多信息:

https://marmelab.com/blog/2018/03/21/using-nvidia-gpu-within-docker-container.html

感谢所有在我面前的人。

票数 0
EN
页面原文内容由Ask Ubuntu提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://askubuntu.com/questions/1188498

复制
相关文章
Caffe与NVIDIA Docker不兼容的问题
版权声明:博客文章都是作者辛苦整理的,转载请注明出处,谢谢! https://blog.csdn.net/Quincuntial/article/details/80833580
Tyan
2019/05/25
1.5K0
NVIDIA Jetson 上可以兼容多个CUDA版本了?
国庆节期间,NVIDIA在其开发者Blog上发布了一篇文章: 也就是说:开发者从CUDA11.8开始,可以在Jetson上像PC上那样的安装新版本的CUDA开发包了! 这确实是一件好事情,为什么这么说呢? 原本Jetson上有两种系统,一种是NV打包好的Jetpack,普通开发者们已经很熟悉了。另外一种是用的NV的BSP包,第三方厂商自己制作的系统(在NV的一堆组件, 包括内核源代码的基础上)自己构建的。 但是无论这两种情况,里面都自带有一个固定版本的CUDA开发包/运行时/驱动,例如11.x或者10.
GPUS Lady
2022/10/11
1.9K0
NVIDIA Jetson 上可以兼容多个CUDA版本了?
Nvidia GPU驱动与CUDA、Ubuntu内核兼容性问题的解决日志
最近,各个操作系统针对Intel CPU的Meltdown(熔断)和Spectre(幽灵)这两个芯片级的设计漏洞推出了安全补丁。在更新了新的Kernel之后,我们的AI服务器运行的Ubuntu 16.04系统的Linux Kernel升级到了4.13.0-31-generic。重启之后,发现GPU无法正常使用,出现无法登录系统、分辨率改变等问题,与Ubuntu 16.04安装NVIDIA驱动后循环登录问题中描述的症状一致。初步判断原因是显卡驱动(nvidia driver 387.26)和新的linux kernel(4.13.0-31-generic)不兼容导致的。去Nvidia的devtalk逛了一圈,确实很多人报告了这个问题。
用户1332428
2018/07/26
1.9K0
NVIDIA出了这么多Jetson模组,到底兼容不?
从NVIDIA CEO黄仁勋在2022秋季GTC大会上发布Orin NANO模组为止,NVIDIA的Jetson家族将有14款模组。 这么多模组,到底兼容性如何?成为很多开发者最关心的问题。 所有 Jetson 模块都是软件兼容的 不过,当将在一个 Jetson 模块上开发的软件转移到另一个模块上时,可能会提供 DLA 引擎加速等新功能。如果此举意味着 JetPack 版本的更改,则可能需要进行一些移植。 NVIDIA AGX Xavier、Xavier NX、AGX Orin、Orin NX等模组是有DL
GPUS Lady
2022/10/11
1.6K0
NVIDIA出了这么多Jetson模组,到底兼容不?
NVIDIA开源CUDA PointPillars
NVIDIA在Github上开源了CUDA PointPillars,使用 TensorRT 进行 PointPillars 推理。
GPUS Lady
2021/12/02
1.6K0
NVIDIA开源CUDA PointPillars
Windows10 配置 Nvidia 驱动与 Cuda 环境搭建
Windows 配置GPU加速编程环境可能问题比Linux多一些,本文记录配置过程。 环境需求 当前配置 操作系统:Windows 10 显卡型号:Nvidia GeForce GTX 960M 当前驱动:391.25 目标 升级显卡驱动 安装适用的Cuda 安装配套的Cudnn 测试安装结果 升级显卡驱动 查看当前驱动信息 打开Nvidia控制面板 可以看到自己的显卡和驱动 查看并下载自己可用的驱动版本 登录官网:https://www.nvidia.cn/geforce/drivers/
为为为什么
2022/08/05
2.1K0
Windows10 配置 Nvidia 驱动与 Cuda 环境搭建
NVIDIA Blackwell RTX GPU与CUDA 12.8框架更新指南
随着NVIDIA Blackwell RTX GPU的发布,为了确保应用程序与这些新一代GPU的兼容性和最佳性能,应用开发者必须更新到最新的AI框架。NVIDIA专门发布了一个指南,详细介绍与NVIDIA Blackwell RTX GPU兼容所需的核心软件库更新,特别是CUDA 12.8的相关信息。
GPUS Lady
2025/02/04
1.5K0
NVIDIA Blackwell RTX GPU与CUDA 12.8框架更新指南
该需要多少 NVIDIA CUDA Cores ?
Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 构建高效、灵活的计算架构的 GPU 资源的核心基础设施-CUDA 核心(CUDA Cores)。
Luga Lee
2025/01/12
1610
该需要多少 NVIDIA CUDA Cores ?
Nvidia 3060显卡 CUDA环境搭建(Ubuntu22.04+Nvidia 510+Cuda11.6+cudnn8.8)
对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》
山河已无恙
2023/08/21
1.8K1
Nvidia 3060显卡 CUDA环境搭建(Ubuntu22.04+Nvidia 510+Cuda11.6+cudnn8.8)
【Wordpress】Crayon Syntax Highlighter 与主题不兼容
很多博主在写一些技术博客的时候,会在博文中添加一些代码,但是在展示的时候代码高亮的话会让博客整体布局更优雅。找到网上的不少插件,最终还是选择了 Crayon Syntax Highlighter 这个插件。江湖称 Wordpress 最强大的代码高亮插件!
redszhao
2021/08/09
6.2K1
【Wordpress】Crayon Syntax Highlighter 与主题不兼容
双显卡笔电安装N卡驱动及CUDA
/由于工作需要,必须换操作系统了,一想到笔记本已经冗杂不堪,所以就索性重装成Linux系统,虽然显卡性能不如实验室的机器,但完全可以当做试验机,同时本身机子性能也不差,所以装个乌班图应该体验还不错。以上是我开始时的想法,后来装完了之后呢,体验总体也不错,但总归是有写麻烦,我总结一下放在开头。
ZONGLYN
2020/02/17
3.3K0
解决nvidia驱动和CUDA升级问题
注释:升级高版本的nvidia驱动和cuda是不影响现有的docker镜像和容器的。因为是向下兼容的。仅仅升级后重启服务器即可。
AI拉呱
2024/06/09
5410
解决nvidia驱动和CUDA升级问题
CUDA 线程ID 计算方式;NVIDIA GPGPU;
thread ID 的计算方式,简单来说很像小学学的除法公式,本文转载自同学一篇博客;并进行简单修改;
西湖醋鱼
2021/02/26
2K0
NVIDIA Docker CUDA容器化原理分析
在AI应用容器化时,会碰到cuda failure 35错误,查了下是跟CUDA驱动版本有关。但有时同一个镜像在不同环境运行仍会有问题,查了下宿主机的显卡驱动版本,也没发现什么问题。为了彻底解决这类问题,了解了CUDA API的体系结构,并对NVIDIA Docker实现CUDA容器化原理进行了分析。
langwu 吴英文
2019/09/01
8.9K0
Jenkins Subversion Plugin与本地Subversion Command不兼容
使用Jenkins时Jenkins Subversion Plugin与本地Subversion Command不兼容 1、使用场景 在使用jenkins时,先使用Jenkins Subversion Plugin执行checkout或update操作,然后经过一些列操作后在batch命令行调用svn update命令行 2、错误详情 在batch命令行调用svn update命令行时,出现如下错误: svn: E155036: Please see the 'svn upgrade' command svn: E155036: The working copy at 'xxx' is too old (format 8) to work with client version '1.8.10 (r1615264)' (expects format 31). You need to upgrade the working copy first. 3、软件环境 Jenkins ver. 1.592 TortoiseSVN 1.8.8(Subversion 1.8.10,安装TortoiseSVN同时安装了Subversion Command) Jenkins Subversion Plugin 1.54(Jenkins ver. 1.592自带) 4、错误分析 错误很明显,是Jenkins Subversion Plugin与本地Subversion Command不兼容 Jenkins Subversion Plugin 1.54不支持svn 1.8,主要表现在不支持1.8版本的working copy 5、解决问题 只要让TortoiseSVN和Jenkins Subversion Plugin支持的svn版本保持一致即可解决问题 或者降低TortoiseSVN的版本,或者升级Jenkins Subversion Plugin到支持svn 1.8的版本,或者只用其中某一个 (1)降低TortoiseSVN的版本 如果降低TortoiseSVN的版本,应该将其降为1.7还是1.6呢? 先看看Jenkins Subversion Plugin 1.54是基于1.6还是1.7开发的。 通过查看Jenkins Subversion Plugin 1.54的源码(https://github.com/jenkinsci/subversion-plugin/releases/tag/subversion-1.54) 在pom.xml中看到svnkit相关的dependency信息如下: <dependency>            <groupId>org.jenkins-ci.svnkit</groupId>            <artifactId>svnkit</artifactId>            <version>1.7.10-jenkins-1</version> </dependency> 从中得出,SVNKIT的版本是1.7.10 在SVNKIT官网相关页面(http://svnkit.com/download.php)得知: SVNKit 1.8.7 is compatible both with Subversion 1.8 and Subversion 1.7 working copy formats. No upgrade is required for working copies in 1.7 format. SVNKit 1.7.13 is NOT compatible with Subversion 1.8 working copy format. It is compatible with Subversion 1.8 servers. Both SVNKit 1.7.13 and 1.8.7 support 1.6 and older working copy formats without need to upgrade. 查看SVNKIT1.7.13的changelog(http://svn.svnkit.com/repos/svnkit/tags/1.7.13/CHANGES.txt) 可以看出SVNKIT从1.7.8版本开始支持svn 1.6,SVNKIT1.7.10应该既支持svn 1.7又支持svn1.6。
donghui
2019/04/19
2.6K0
Ubuntu 20.04 LTS/RTX30XX显卡 快速配置深度学习环境(一行命令)
近日,新入一台RTX3080的服务器,目前好像还没办法很方便地在 RTX 30 系列 GPU上通过 pip/conda 安装 TensorFlow 或 PyTorch。因为这些 GPU 需要 CUDA 11.1,而当前主流的 TensorFlow/PyTorch 版本不是针对 CUDA 11.1 编译的。现在要在 30XX GPU 上运行这些库的话,需要很强的动手能力,手动编译或者用英伟达 docker 容器。
黄博的机器学习圈子
2020/12/11
2.9K0
Ubuntu 20.04 LTS/RTX30XX显卡 快速配置深度学习环境(一行命令)
一文揭开 NVIDIA CUDA 神秘面纱
Hello folks,我是 Luga,今天我们继续来聊一下人工智能生态相关技术 - 用于加速构建 AI 核心算力的 GPU 编程框架 - CUDA 。
Luga Lee
2024/11/11
8460
一文揭开 NVIDIA CUDA 神秘面纱
NVIDIA CUDA 深度神经网络库- cuDNN
NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程(例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层)的实施。
ccf19881030
2021/02/02
7410
深度学习环境配置有哪些坑?
深度学习第一问是关于环境配置的。之前笔者也在深度学习60讲系列中讲到如何配置深度学习开发环境的问题:深度学习笔记15:ubuntu16.04 下深度学习开发环境搭建与配置。但环境配置并不是一路顺利的,总有些奇奇怪怪的问题让人头疼,所以,在第一问中笔者选取了几个典型的环境配置的错误供大家参考。
石晓文
2019/12/19
1.8K0
深度学习环境配置有哪些坑?
容器内如何使用GPU卡
         目前容器化部署服务已经成为微服务管理的趋势,大家知道docker目前cgroup支持cpu,内存的隔离,在gpu隔离上目前还做不到,业界gpu卡基本都是英伟达的,目前英伟达提供了插件来支持容器内获取gpu卡信息,并且能做到隔离。
jouislu
2019/08/27
4.1K0

相似问题

Ubuntu 18.04.4与nvidia-驱动器-440冷冻屏幕

10

CUDA 11.5与Ubuntu 20.04 + Nvidia 470驱动程序+ Geforce GTX Titan兼容吗?

10

Nvidia驱动器460与Ubuntu 18.04中的5.4.0-64内核不兼容

10

官方Nvidia驱动程序与ubuntu不兼容

10

如何安装特定的nvidia驱动程序如nvidia-驱动器-440_440.33.01.deb?

10
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档