CoderUni Asked: 2020-10-08 06:09:53 +0800 CST2020-10-08 06:09:53 +0800 CST 2020-10-08 06:09:53 +0800 CST 使用 CUDA 驱动程序 Ubuntu 20.04 时 Steam 无法打开 772 我需要使用 CUDA 11.1 驱动程序进行机器学习。Steam 需要libnvidia-gl-450:i386安装驱动程序才能打开。但是,安装一个驱动程序会删除另一个驱动程序。我如何能够同时使用它们或者在使用 CUDA 驱动程序时能够玩 Steam 游戏? 我试过如何将 NVIDIA 和 CUDA 驱动程序安装到 Ubuntu 中?但它仅适用于 18.04。这里问了一个类似的问题,但没有任何答案。 drivers nvidia steam graphics cuda 2 个回答 Voted TimSC 2021-04-29T01:50:14+08:002021-04-29T01:50:14+08:00 Steam 和 Linux 上的大多数游戏都依赖于可用的 32 位 OpenGL 库。但是,Nvidia计划在一段时间内放弃对 CUDA 的 32 位支持。幸运的是,可以手动安装必要的 32 位库以使 Steam 工作。 我建议您先从Nvidia 存储库安装 CUDA 和 64 位驱动程序,然后检查已安装的驱动程序版本。显然,32 位库文件必须与安装的驱动程序版本相匹配。可以使用安装程序提供的仅提取选项来获取适当的文件,例如对于 465.19.01获取驱动程序并执行 ./NVIDIA-Linux-x86_64-465.19.01.run -x i386 库文件位于名为“32”的文件夹中。手动安装 32 位库: chmod u+x NVIDIA-Linux-x86_64-465.19.01.run ./NVIDIA-Linux-x86_64-465.19.01.run -x cd NVIDIA-Linux-x86_64-465.19.01 cd 32 sudo cp libEGL* libGLESv* libGLX* libnvidia-egl* libnvidia-gl* libnvidia-tls* /usr/lib32 应该创建一些符号链接: cd /usr/lib32 sudo ln -s libEGL_nvidia.so.465.19.01 libEGL_nvidia.so.0 sudo ln -s libGLESv1_CM_nvidia.so.465.19.01 libGLESv1_CM_nvidia.so.1 sudo ln -s libGLESv2_nvidia.so.465.19.01 libGLESv2_nvidia.so.2 sudo ln -s libGLX_nvidia.so.465.19.01 libGLX_indirect.so.0 sudo ln -s libGLX_nvidia.so.465.19.01 libGLX_nvidia.so.0 您可能需要为系统运行此程序以检测新库: sudo ldconfig Best Answer CoderUni 2020-10-08T17:35:53+08:002020-10-08T17:35:53+08:00 我找到了解决方案。从官方网站安装 Anaconda(下载并运行他们的脚本)。然后在你的终端中运行: conda create -n environment_name conda activate environment_name conda install cudatoolkit=11 conda install python=3.7 之后,每次开始处理项目时,您都需要 conda 激活您的环境。要搜索包,请使用 conda search。它将在虚拟环境中而不是在系统中安装 CUDA 工具包。
Steam 和 Linux 上的大多数游戏都依赖于可用的 32 位 OpenGL 库。但是,Nvidia计划在一段时间内放弃对 CUDA 的 32 位支持。幸运的是,可以手动安装必要的 32 位库以使 Steam 工作。
我建议您先从Nvidia 存储库安装 CUDA 和 64 位驱动程序,然后检查已安装的驱动程序版本。显然,32 位库文件必须与安装的驱动程序版本相匹配。可以使用安装程序提供的仅提取选项来获取适当的文件,例如对于 465.19.01获取驱动程序并执行 ./NVIDIA-Linux-x86_64-465.19.01.run -x
i386 库文件位于名为“32”的文件夹中。手动安装 32 位库:
应该创建一些符号链接:
您可能需要为系统运行此程序以检测新库:
我找到了解决方案。从官方网站安装 Anaconda(下载并运行他们的脚本)。然后在你的终端中运行:
之后,每次开始处理项目时,您都需要 conda 激活您的环境。要搜索包,请使用 conda search。它将在虚拟环境中而不是在系统中安装 CUDA 工具包。