Como forçar o 16.04 a adicionar um repositório, mesmo que não seja considerado suficientemente seguro?
9
Eu realmente preciso instalar a Nvidia Cuda, mas estou recebendo o erro
E: Failed to fetch file:/var/cuda-repo-7-5-local/Release No Hash entry in Release file /var/lib/apt/lists/partial/_var_cuda-repo-7-5-local_Release which is considered strong enough for security purposes
Posso forçá-lo a instalá-lo assim mesmo? Eu realmente preciso usá-lo, mesmo que seja inseguro. Duvido que a Nvidia esteja atualizando o repositório para funcionar com o 16.04 em breve.
Eu tive o mesmo problema ao instalar o CUDA 7.5 no Ubuntu 16.04. Isso ocorre devido à falta de uma entrada SHA256 ou SHA512 no pacote CUDA (conforme relatado pela equipe Debian aqui ).
Parece que não podemos forçar o apt-get update a buscar um "repositório não seguro", mas eu poderia evitar completamente o problema usando o arquivo .run. Aqui está o que eu fiz passo a passo:
Em vez de baixar o pacote .deb, baixe o arquivo .run (
nesta página )
Instale um compilador compatível (parece que o cuda 7.5 não é compatível com o compilador padrão do Ubuntu 16.04):
sudo apt-get install gcc-4.9 g++-4.9
Pode ser necessário instalar alguns pacotes adicionais (depende da sua configuração):
Inicie o arquivo de execução e siga as instruções:
sudo sh cuda_7.5.18_linux.run
Isso funcionou bem para mim (não esqueça de instalar o driver NVIDIA)
EDIT: Após as etapas 2 e 3, se o instalador do CUDA tentar usar o gcc 5.3.1 (padrão para o ubuntu 16.04) como compilador em vez da versão 4.9, você pode tentar remover a versão 5.3.1, instalar o CUDA e reinstalar o último gcc versão.
Não sei se é novo, mas, ao ver minha versão "errada" do gcc, o script de instalação sugeriu executá-lo novamente com o sinalizador '--override'. Por isso, executei novamente sh cuda_7.5.18_linux.run --overridee tudo parece funcionar bem por enquanto: posso executar um código TensorFlow simples usando minha placa NVidia. A instalação é quase instantânea e não acho que tenha compilado nada. Não sei por que o compilador precisa ser especificado ... Posso ter alguns problemas mais tarde.
Toto2
Devo especificar que pulei a instalação do driver, pois ela já estava instalada. Não tenho certeza se isso poderia ter ignorado alguma compilação.
Toto2 22/05
Eu pensei que o driver Nvidia não é instalado automaticamente no 16.04? Também pedi aos desenvolvedores da Nvidia que resolvessem o problema do repositório Cuda .deb, mas eles disseram que o Cuda 7.5 ainda não é suportado no 16.04. Parece estranho, porque usando o .sh instalador trabalha muito bem e eu posso até usá-lo com tensorflow
Amine Horseman
O driver NVidia realmente não está instalado por padrão. Tentei instalá-lo diretamente da NVidia e atrapalhei meu sistema. Mas percebi que você pode instalá-lo facilmente acessando o aplicativo Configurações> Software e atualizações> Drivers adicionais. Pode não ser o mais recente, mas é bastante simples.
Toto2 28/05
5
Mude /var/cuda-repo-7-5-local/Releasepara o seguinte:
Obrigado pela edição, então você não precisa do cuda-dev?
SentinalBais
0
Não posso comentar, mas adicionando à resposta do @ Horse-man: Você não precisa desinstalar / reinstalar o gcc se já possui o gcc 4.9 instalado. Para mim, foi o suficiente para
sh cuda_7.5.18_linux.run --override
e tudo parece funcionar bem por enquanto: posso executar um código TensorFlow simples usando minha placa NVidia. A instalação é quase instantânea e não acho que tenha compilado nada. Não sei por que o compilador precisa ser especificado ... Posso ter alguns problemas mais tarde.Mude
/var/cuda-repo-7-5-local/Release
para o seguinte:Execute
sudo apt-get update
ignorando avisos sobre assinaturas inválidas e pronto.Se isso falhar, substitua a soma SHA256 pela saída de
e
fonte
Atualmente, você pode usar os seguintes comandos no Ubuntu 16.04 para instalar o CUDA Toolkit 7.5:
fonte
Não posso comentar, mas adicionando à resposta do @ Horse-man: Você não precisa desinstalar / reinstalar o gcc se já possui o gcc 4.9 instalado. Para mim, foi o suficiente para
Meu gcc-4.9 era realmente 4.9.3 que o instalador do CUDA não gostava, então eu o executei usando
E foi instalado corretamente.
fonte
A solução é simples:
fonte