Nvidia GPU驱动与CUDA、Ubuntu内核兼容性问题的解决日志

五月两场 | NVIDIA DLI 深度学习入门课程

5月19日/5月26日一天密集式学习  快速带你入门 阅读全文 >

正文共941个字，预计阅读时间5分钟。

问题描述

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。

• 操作系统：ubuntu 16.04

• 系统内核： Linux version 4.13.0-31-generic

• GPU： GTX 1080

• CUDA：cuda-9.1, cudnn-7.0.1，deb (local)安装方式

• nvidia driver： nvidia driver 387.26

Nvidia已经更新了驱动，只需要安装新的驱动就可以解决linux kernel和nvidia driver不兼容的问题。不过，devtalk安装的新驱动版本为nvidia driver 390，在尝试了单独下载该驱动的run文件安装方式和deb (network)安装方式之后，发现前一种安装方式因为著名的nouveau问题而安装失败，后一种依旧安装387.26版本的驱动，最终放弃了这两种安装方式，采用了第三种PPA的途径。

解决方法

首先，在PPA GPU查看驱动的版本（Current official release: nvidia-387 (387.34)...）

1、卸载现有GPU驱动

2、PPA安装新的GPU驱动

3、重启

4、deb (network)的方式安装CUDA 9.1。如果用deb local的安装方式，还是会安装旧的驱动版本。安装好之后，不要忘记设置环境变量。

原文链接：https://www.jianshu.com/p/df677e3fd630

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础