linux深度学习服务器搭建——CUDA与cuDNN的选择与安装

最新推荐文章于 2024-07-10 18:33:38 发布

小玺玺

最新推荐文章于 2024-07-10 18:33:38 发布

阅读量7.7k

点赞数 1

分类专栏： linux深度学习服务器搭建文章标签： ubuntu CUDA cuDNN 版本选择与安装

本文链接：https://blog.csdn.net/Zhaoxi_Li/article/details/80702072

版权

linux深度学习服务器搭建专栏收录该内容

6 篇文章 1 订阅

订阅专栏

前言

本文章参考实验室师妹的文章Ubuntu14.04+CUDA8.0+Opencv3.1+Anaconda2+Caffe安装，最近安装最新版时候遇到不少坑，下面就介绍下如何去安装CUDA和cuDNN，个人认为本文提供的方法可以针对任意版本。我们的服务器为ubuntu 16.04，NVIDIA驱动为390.67，CUDA版本为9.1， cuDNN版本为7.1.2。

安装顺序为：NVIDIA驱动 → CUDA → cuDNNhttps://www.geforce.cn/drivers

一基本库安装

这些库主要是给其他算法库使用，基本上都是必备的，这里就不写他们之间的依赖关系了

sudo apt-get install build-essential  # basic requirement  
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

二 NVIDIA 驱动选择

驱动的选择根据当前显卡进行选择，我们服务器显卡型号为GeForce GTX 1080 ti，下面去官网可以下载对应的驱动。

在 https://www.nvidia.cn/Download/index.aspx?lang=cn可以选择我们最新的显卡型号，这个网址是GeForce驱动下载网址https://www.geforce.cn/drivers，可以选择各种版本的驱动。我们按照第一个网址选择最新的驱动程序，文件名为：NVIDIA-Linux-x86_64-390.67.run，请记住390.67，这个对于CUDA的选择非常关键。

安装NVIDIA驱动时，较为麻烦我们分步骤进行

① 黑名单设置：在终端输入下述命令，在最后一行加上 blacklist nouveau . 这里是将Ubuntu自带的显卡驱动加入黑名单。在终端输入： sudo update-initramfs -u ，重新生成initrd文件，然后输入sudo reboot 重启电脑。

sudo gedit/etc/modprobe.d/blacklist.conf

② 关闭图形界面：使用Ctrl+Alt+F1切换到纯字符界面，登陆用户，输入下述命令。然后切换到root用户下，输入 sh NVIDIA-Linux-x86_64-390.67.run安装显卡驱动。

sudo service lightdm stop        # 关闭图形界面 
sudo pkill -u root               # 结束所有进程，防止有X server 进程，但是这样会导致用户登出，需要在纯命令下重新登录

注：如果安装时候有下述的选择，选择no。

Would you like to run the nvidia-xconfig utility to automatically update your X configuration file…

安装成功之后，输入nvidia-smi 可以显示显卡信息。此时NVIDIA驱动安装成功。

三 CUDA 的选择与安装

CUDA安装时候不要无脑选择最新的进行安装，先去查看CUDA支持的驱动版本号，选择对应最新的去安装即可。版本选择可以从NVIDIA CUDA Toolkit Release Notes选择，这个表至关重要，CUDA版本对应的驱动应大于等于这个值，根据上面我们下载的驱动，版本号为390.67，因此最高可以选择CUDA 9.1进行安装（选择CUDA 9.2一定会失败，血的教训，哭死）。

安装时候如果遇到Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 390.67?之类的，一定要选择no，不同版本的问题也不一样，建议，每个选择都要去百度搜下。免得出错。

安装之后编译/usr/local/cuda/samples下的测试例子，编译之后进入 samples/bin/x86_64/linux/release, 运行deviceQuery：./deviceQuery .

sudo make all -j16

输入./deviceQuery之后会输出一大串信息，如果看到类似下面的信息，则表示安装成功。

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.1, NumDevs = 2

最后配置环境变量，在/etc/profile中添加CUDA环境变量：sudo vim /etc/profile。在最后中添加下述路径，将cuda添加到全局变量中。

export PATH="/usr/local/cuda/bin:$PATH"

四 cuDNN的选择与安装

cuDNN是做深度学习必备的库，cuDNN的选择比较容易，但是下载时候需要注册用户才能下载，而且网页速度较慢，建议从CSDN上找资源来下载。后续我会将上面所有的资源放进云盘分享出来。cuDNN的各种版本可以从这里下载cuDNN各个版本。我们选择的是Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 9.1 & 9.2。

cuDNN下载之后是个压缩包，里面包含头文件和封装好的库，直接拷贝到/usr/local里即可。

sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz         # 解压缩cuDNN
cd cuda    
sudo cp lib/lib* /usr/local/cuda/lib64/               # 将所有lib文件复制到cuda文件中
sudo cp include/cudnn.h /usr/local/cuda/include/      # 将头文件复制到cuda中

cuDNN不需要编译，在配置其他深度学习框架时候比如caffe或mxnet时候回自动连接。