安装测试 facebook FAISS（GPU）

在上一篇“安装测试facebook FAISS（CPU）”基础上继续搭建 GPU 版本的 FAISS 开发环境，并进行测试。

• 搭建 GPU 开发环境
  – 安装 CUDA 并导入 CuDNN 关联
  – 配置环境变量
• C++ GPU 开发环境
• Python GPU 开发环境
• 结束

1、搭建 GPU 开发环境

GPU 开发环境是 GPU-FAISS 开发的基础，主要分为安装CUDA并导入CuDNN关联、配置环境变量三部分。

1.1、安装CUDA并导入CuDNN关联

CUDA， Compute Unified Device Architecture， 是 NVIDIA 推出的通用并行计算框架。CuDNN 是 NVIDIA 提供的 GPU 计算加速方案。
快捷下载: 云盘 密码：77bg

安装CUDA

# 修改权限
chod +x cuda_8.0.44_linux.run
# 安装CUDA
bash cuda_8.0.44_linux.run

！注意 不要选择重装显卡驱动，操作如下：

关联 CuDNN

# 解压文件。
tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
# root权限
# 拷贝到指定目录下。
cp -a ./cuda/include/* /usr/local/cuda/include/
cp -a ./cuda/lib64/* /usr/local/cuda/lib64/

1.2、配置环境变量

为开发用户定制环境变量。

# 编辑文件。
vim $HOME/.bash_profile
# 添加 CUDA 和 CuDNN 的支持。
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
export CUDA_HOME=/usr/local/cuda
export PATH="$PATH:/usr/local/cuda/bin"
# 加载。
source $HOME/.bash_profile

2、C++ GPU 开发环境

C++ && GPU

# 进入gpu目录 &编译。
cd gpu
make
# 测试。
make test/demo_ivfpq_indexing_gpu
./test/demo_ivfpq_indexing_gpu

测试结果

3、Python GPU 开发环境

Python && GPU

# 进入gpu目录 &编译。
cd gpu
make py
# 测试。
python -c "import faiss" # CPU
python -c "import _swigfaiss_gpu" # GPU

结束

GPU 版本的 FAISS 配置成功，接下来测试性能。欢迎交流~