centos安装显卡驱动jicuda centos6.9安装显卡驱动

一、显卡驱动以及Anaconda安装

修改yum下载源，方法参照 1.安装相关编译的环境

yum -y install gcc kernel-devel kernel-headers

到此为止 如果发现还是没安装成功gcc

使用指令sudo yum install gcc gcc-c++ 安装7个包

安装成功，查看版本 gcc -v

查看已安装kernel-devel

2.在开机启动项中禁用nouveau显卡驱动
#vim /boot/grub/grub.conf 在kernel选项的quiet 选项后面 添加:

nouveau.modeset=0

3.重新建立initramfs image文件

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak

报错

发现/boot目录下本来就有备份好的系统镜像initramfs-2.6.32-754.el6.x86_64.img.bak

dracut /boot/initramfs-$(uname -r).img $(uname -r) 创建新的系统镜像

4.把启动模式修改为文本模式
#vim /etc/inittab

id:3:initdefault:    5改成3

5.重启

重启失败，在启动界面点击ESC进入这个界面

点击a 就进入了文本模式（我也不知道为什么）然后就可以在指令行模式登录 进入安装路径下，执行bash NVIDIA-Linux-x86_64-450.57.run，接下来就是正常安装步骤，问你接不接受，都是yes，安装完后输入startx重新开启桌面服务。
6. 接下来安装anaconda，官网https://www.anaconda.com/products/individual页面最下面下载Linux版安装包，上传到/home/fang（自己的安装路径）

执行指令 bash Anaconda3-2020.07-Linux-x86_64.sh，点击回车，读完要求可能需要输入几个yes，就安装完成了。

7. 安装完成
如果xshell里面没有直接进入base环境中，可以输入conda init，然后重启xshell的终端，之后可以使用conda deactivate 退出环境；
使用conda create -n env_name python=3.6创建自己的虚拟环境(env_name换成你自己的环境名称)

8. 安装完后有可能出现conda: command not found的情况，需要配置一下环境变量
vi ~/.bashrc 在最后一行加上

export PATH=$PATH:/home/fang/anaconda3/bin，
执行source ~/.bashrc

9. 这时候再执行conda指令就可以成功了

二、CUDA、cudnn安装

1. NVIDIA官网https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Linux&target_arch=x86_64&target_distro=CentOS&target_version=6&target_type=runfilelocal搜索下载指令

2. 执行指令并一直回车（内容挺多）后需要还要输入几个accept，yes，还有一个选no，如下图：

3. 安装完成

4. 使用nvcc -V进行检查，没有正常输出说明没有配置环境变量

5.
vim ~/.bashrc进入配置文件
从文件最后一行开始补充下面三句

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64
export PATH=$PATH:/usr/local/cuda-10.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.2

6. 修改完后要更新一下 source ~/.bashrc7. 现在执行nvcc -V就有正常输出了（CUDA就安装成功了）：

8. 接下来安装cudnn，官网https://developer.nvidia.com/rdp/cudnn-archive下载cudnn安装包需要先注册并登录，下载好cudnn-10.2-linux-x64-v7.6.5.32.tgz放在/home/fang，并解压

指令：tar -xzf cudnn-10.2-linux-x64-v7.6.5.32.tgz

9. 解压后产生一个cuda目录

执行下面三句指令

10. 至此cudnn也安装完了

11. 安装pytorch 检查一下前面安装的是否成功官网找对应的下载指令

下载太慢换了清华镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch torchvision

12. python里面导入torch并检查cuda是否可用。

如果torch.cuda.is_available()如果输出是false，那就表示前面的驱动或者cuda的安装有问题，最可能的就是驱动。直接卸载重新安装显卡驱动即可解决问题。

13. 安装完torch在导入时报错

是由于Linux系统的glibc版本太低，而软件编译时使用了较高版本的glibc引起的！

14. 查看系统glibc支持的版本

可以看到最高只支持2.12版本。现在需要将glibc支持的版本升级到GLIBC_2.14

15. 官网http://www.gnu.org/software/libc/下载安装包glibc-2.14.tar.xz放在/usr/local/src目录下并解压tar -vxf glibc-2.14.tar.xz 创建/var/VMdisks，将解压后的glibc-2.14移到/var/VMdisks目录下

在glibc源码目录建立构建目录，并cd进入构建目录

cd /var/VMdisks/glibc-2.14/
mkdir build && cd build/
../configure --prefix=/usr/local/glibc-2.14
 make -j4
make install

临时修改环境变量

export LD_LIBRARY_PATH=/usr/local/glibc-2.14/lib:$LD_LIBRARY_PATH[root@uatblockchain01 build]# echo $LD_LIBRARY_PATH

修改/lib64/libc.so.6的软链接来源，由之前的libc-2.12.so修改为libc-2.14.so

cd /lib64

ll libc.so.6

显示下图：

删除libc-2.12.so之前的软链接

然后做/lib64/libc.so.6新的软链接，软链接到libc-2.14.so

然后做/lib64/libc.so.6新的软链接，软链接到libc-2.14.so

16. 最后再查看系统glibc支持的版本：

有GLIBC_2.14了。

17. 重新import torch又报错

干的漂亮！ 刚有了GLIBC_2.14又嫌我没有GLIBC_2.17，上述15-16操作可能得重新来.

18. 突然想到报错原因就是引入最新版本torch（默认安装的是最新版本）的时候需要比较新的GLIBC，那我改安装旧版本的torch不就好了，

安装完成 在python里面分别检验torch、torchvision的版本以及前面的cuda是否安装成功，最后一行输出True说明cuda是可用的。
19. 大功告成！