手把手教你安装电脑电源

操作方法

首先明确一下机箱的电源位，就是图中风扇上面的空位

再看一下电源的各种插口，这个最大的24口插头是电源给主板的供电插头，与之对应的是主板上这个插座，

这个四口的方形插头是给CPU供电的，与之对应的是主板上的白色四口插座

这个扁平插头是给SATA接口的设备供电的

有的大功率电源还有给独立显卡供电的6口插头，像图中的黑色插头就是

接下来我们先把电源放到机箱电源位，放的时候12CM风扇向下，电源标贴对着自己

吧电源和机箱电源位固定孔的螺丝孔对齐，把四个螺丝拧上

先把24口插头插到主板上，插的时候两者的塑料卡扣对上

再插上四口CPU供电插头，这两者把有塑料卡扣对上

把其中一个SATA插头插到硬盘接口上，图中黄色数据线旁边的就是

再把另一个SATA插头插到光驱上，图中红色数据线旁边的位置

如果你的独立显卡有供电插座，也要把前面第五步中的6口插头插到显卡上

至此电源安装就算完成，如果你是个完美主义者，就把多余的线困扎在一起，这样显得个机箱内比较利落

手把手教你安装nvidia驱动

ubuntu22.04安装NVIDIA、CUDA、CUDNN详细步骤

1.查看GPU及驱动版本号

查看GPU：

命令：lspci | grep -i NVIDIA

查看驱动版本

sudo dpkg --list | grep nvidia-* # 或者ubuntu-drivers devices

查看显卡型号

lspci | grep -i nvidia

查看发布版本号

cat /etc/issuelsb_release -a

查看内核版本号

uname -sruname -a

查看GPU可用性

conda activate tensorflowPythonimport tensorflow as tfprint(tf.test.is_gpu_available())#如果结果是True，表示GPU可用

查看CUDA可用性

conda activate tensorflowpythonimport tensorflow as tftf.test.is_built_with_cuda()print(tf.test.is_built_with_cuda())#返回True表示可用2.查看python、tensorflow版本：

conda activate tensorflowpythonimport tensorflow as tf#查看版本tf.__version__ #或者print(tf.__version__)#查看tensorflow安装路径tf.__path__ #或者print(tf.__path__)3.Ubuntu（Linux）系统下查看自己安装的CUDA和CUDNN的版本

CUDA：

（1）cat /usr/local/cuda/version.txtcat （2）nvidia-smi（3）nvcc -V（4）conda list | grep cuda

CUDNN：

（1）cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2（2）conda list | grep cuda4.TensorFlow、Python、CUDA、CUDNN对应版本对应关系：

链接：https://tensorflow.google.cn/install/source#linux5.Ubuntu22.04安装NVIDIA驱动

（1）安装驱动前一定要更新软件列表和安装必要软件、依赖

sudo apt-get update #更新软件列表sudo apt-get install g sudo apt-get install gccsudo apt-get install make

（2）查看GPU型号

lspci | grep -i nvidia

(3)官网下载对应驱动（英文路径）

官方驱动链接:https://www.nvidia.cn/Download/index.aspx?lang=cn

（4）卸载原有驱动（第一次安装就不需要了）

sudo apt-get remove --purge nvidia*

（5）禁用nouveau(nouveau是通用的驱动程序)

sudo gedit /etc/modprobe.d/blacklist.conf 或者(blacklist-nouveau.conf)

在打开的blacklist.conf末尾添加如下，保存文本关闭

blacklist nouveauoptions nouveau modeset=0

（6）在终端输入如下更新，更新结束后重启电脑

sudo update-initramfs –u

（7）重启后在终端输入如下，没有任何输出表示屏蔽成功

lsmod | grep nouveau

（8）为了安装新的nvidia驱动程序，我们需要停止当前的显示服务器。

sudo telinit 3# 或者按Ctrl Alt F1~F6中的一个 (分别对应进入tty1~tty6)）

输入用户名（终端下@前面就是用户名）和密码

退出文本界面到图形界面

sudo telinit 5# 或者Ctrl Alt F1/F7/F8

（9）在文本界面中，禁用X-window服务,在终端输入

sudo /etc/init.d/gdm3 stop

（10）进入到存放驱动的目录下，输入命令：

sudo chmod 777 NVIDIA-Linux-x86_64-525.89.02.run#给你下载的驱动赋予可执行权限，才可以安装sudo ./NVIDIA-Linux-x86_64-525.89.02.run #安装

（11）安装结束后输入输入sudo reboot重启。

（12）驱动安装好后，终端输入nvidia-smi 检查是否装好，出现类似下方这样，就好了。

然后输入nvidia-settings 调出设置界面，类似下方这样，就OK了。

（1）在官网下载cuda

链接：https://developer.nvidia.com/cuda-toolkit-archive

（2）选择runfile的方式安装

按照下载引导，进行下载和安装

详细过程选择：

continueaccept在此之前已经装过显卡驱动了，所以需要取消Driver选项。install

(3)配置环境变量

sudo vim ~/.bashrc或者sudo vi ~/.bashrc

打开文件后在文末添加环境（注意cuda文件名，根据情况写）

export PATH= $PATH:/usr/local/cuda-11.7/binexport LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.7

刷新环境

source ~/.bashrc

(4)验证是否安装成功

nvcc -V

像这种情况就是成功了

（1）下载CUDA版本对应的CUDNN版本：

https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111

https://developer.nvidia.com/rdp/cudnn-download

（2）注册完成后，找到对应版本进行下载

（3）参照官方文档进行安装：

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#installlinux-tar

tar -xvf cudnn-linux-x86_64-8.8.0.121_cuda11-archive.tar.xzsudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.7/include sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.7/include sudo chmod a r /usr/local/cuda-11.7/include/cudnn*.h /usr/local/cuda-11.7/lib64/libcudnn*

（4）检查版本及验证

cat /usr/local/cuda-11.7/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

这是小编在学习过程中整理的，如有错误请大家多多指正，文章就分享到这里，希望对大家有帮助！