我有两台戴尔工作站（一台戴尔 T7400 和一台戴尔 T7500），每台都有 32GB RAM 和两块 nVidia TESLA K20Xm GPU（每台机器一块）。工作站运行的是 Ubuntu 16.04 LTS。
我想使用 Tensorflow 和 CUDA 10.1 或 10.2（首选）。但是，尽管尝试了多种不同的方法，我还是无法让 nVdia GPU 和 CUDA 驱动程序正常工作。
适用于配备 nVidia TESLA K20Xm GPU 的 Dell T7500 的 CUDA 驱动程序 第一台机器是 T7500，配有 K20Xm GPU 卡和旧的 Quadro FX1800 显卡（高分辨率下运行良好）。我首先检查了 -440 版本驱动程序的预安装清单，以确保我有正确的起点。我下载了运行文件（通过从 nVidia 网站选择 OS 等选项），并尝试在 lightdm 服务停止的情况下从终端会话运行它。它最初警告“预安装脚本失败”，但阅读其他论坛后我继续执行此操作。然后它说它检测到旧的 Quadro FX1800 GPU 但会忽略它（我觉得这很有希望，因为我需要使用 TESLA K20Xm）。我选择是安装 DKMS 模块，然后重新启动后我无法登录（登录循环立即将我注销）。大多数论坛报告登录循环可以通过删除 nVidia 驱动程序或检查 .Xautority 和 .XICEauthority 的权限（两者都具有正确的权限）来纠正。删除驱动程序并不能解决问题，我不得不删除所有显示管理器和 lightdm 软件包并重新安装，但这样我就没有 GPU 驱动程序了。我再次尝试运行文件安装，但已将 Nouveau 列入黑名单。GPU 无法工作（尽管设置了路径，但 nvidia-smi 无法正确运行），而且我的显示设置非常差。
我觉得可能是 nVidia Quadro FX 显卡加剧了问题，因此我将其替换为 ATI Radeon 显卡（“[AMD/ATI] RV710/M92 [Mobility Radeon HD 4530/4570/545v]”）。我安装了 Radeon 驱动程序，运行良好（高分辨率），然后通过运行文件重新尝试安装 -440 驱动程序。当此操作失败时，我删除了所有内容，并尝试添加 PPA 并使用 apt-get install nvidia-440 和 CUDA 包进行安装，但仍然没有成功。我还尝试了“ubuntu-drivers autoinstall”，但没有成功。这台 T7500 工作站现在只剩下损坏的软件包、未安装的 GPU 和低分辨率图形。看来 LightDM 中的菜单栏和图标现在已丢失。
适用于配备 nVidia TESLA K20Xm GPU 的 Dell T7400 的 CUDA 驱动程序 下一台机器（也配有 TESLA K20Xm GPU）是一台戴尔 T7400，配有一台旧的（但运行良好）nVidia Quadro NVS300（“NVIDIA Corporation GT218 [NVS 300] (rev a2)”）。我尝试了 CUDA 驱动程序安装运行文件，据我所知，该文件有安装驱动程序、cuda 驱动程序、cuda 示例等选项。同样，我首先关闭了 lightdm 服务并将 nouveau 列入黑名单。安装后，我遇到了类似的问题。图形驱动程序被破坏了。然后我尝试删除 K20 GPU 驱动程序“nvidia-uninstall”，并再次尝试，但使用 PPA 和第一个 418 驱动程序，然后是 430 驱动程序，仍然没有成功。此工作站现在也存在登录循环的相同问题。
所以我的问题是：i) 如何正确安装 nVidia GPU 驱动程序和显卡（不破坏显卡驱动程序，因为可以理解的是，GPU 没有图形端口）。此外，DKMS 如何与 nVidia 驱动程序配合使用，我应该使用它吗？（我所知道的是，它维护内核构建，这对将来的更新、内核重建很有用）。
这两台机器是运行不带交换机的 Infiniband 的集群的一部分，使用 Mellanox 驱动程序启动和运行这个结构非常棘手，所以我不想重新安装 Ubuntu 16.04（而且从那时起已经完成了很多工作/配置，我不想重新做）。
如有任何建议我将不胜感激，我认为这不应该那么难！
杰米
答案1
这里有很多 CUDA 安装答案，但基本上，您可以从标准存储库获取 Nvidia 驱动程序，只需获取 deb 文件并解压（而不是安装）即可避免 Nvidia run/deb 包提供的这些过时驱动程序上的所有 CUDA 依赖性问题。10.x debs 只包含其他 deb 文件，删除不需要的 Nvidia 文件。然后再次将它们全部解压。
您应该会在本地目录中获得一整套 CUDA 文件（bin 和 lib），无需任何包管理器插件。更改 PATH 和 LD_LIBRARY_PATH 以包含它们。您可能仍然需要的是 CUDA 所需的旧 gcc/g++ 版本 - 安装它们，然后在 cuda/bin 目录中添加指向旧版本的链接。不要使用 update-alternatives 更改系统范围的编译器默认值。您的系统将毫无问题地更新和维护内核和 Nvidia 驱动程序。除非您明确自己执行此操作，否则您将永远不会获得 CUDA 更新。