Ubuntu 18.04 配置cuda

安装系统

1. 在https://ubuntu.com/download/desktop处下载Ubuntu映像, cuda8.0请选择Ubuntu 16, cuda9可以选择Ubuntu 18.

2. 使用rufus刻录启动U盘, 为了保险起见建议使用DD引导方式.
   

3. 启动盘制作完成后重启电脑进入U盘系统, 选择体验Ubuntu. 随后便可在图形化界面安装Ubuntu. 注意: 安装过程请全程断网, 如果是手动分区需要将挂载点"/"挂载到ext4分区才可正常安装系统.

4. 安装完毕后拔掉U盘并重启系统, 随后进入新安装的Ubuntu系统中.

新系统配置

1. 登陆后不要做多余的事, 直接为Ubuntu换源. 打开终端并输入如下语句:
   sudo gedit /etc/apt/sources.list
2. 前往https://mirror.tuna.tsinghua.edu.cn/help/ubuntu/根据Ubuntu系统版本将软件源镜像粘贴进sources.list文件中.
3. 刷新

sudo apt-get update
sudo apt-get -f install
sudo apt-get upgrade

4. 随后便可进行各种软件安装与更新, 注意屏蔽系统版本升级.

环境配置

PyCharm

请直接在Ubuntu的应用市场中安装, 注意应用市场可能假死或者无响应, 但其实安装进程正在进行, 不要盲目取消或者关闭, 会造成资源锁死.

Anaconda

下载

于Anaconda官网或清华源下载安装包, 注意选择Linux与Python3的版本.

安装

下载完成后利用终端进入下载目录手动安装sh *.sh , 出现长篇版权说明时按q跳过. 随后按提示完成安装即可.

Anaconda换源

在用户目录下的 .condarc 文件中添加(不要执行conda config --set show_channel_urls yes):

channels:
    - defaults
show_channel_urls: true
default_channels:
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
    conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

Cuda的安装与配置

建议先完成Cuda的安装, 再安装GPU驱动

预先准备

禁用nouveau

1. 终端执行sudo gedit /etc/modprobe.d/blacklist.conf, 并在文件末尾添加如下代码:

blacklist nouveau
options nouveau modeset=0

2. 终端执行sudo update-initramfs -u刷新.
3. 重启后Ubuntu默认显卡驱动将被屏蔽.
4. 终端输入lsmod | grep nouveau 如果无任何输出表示屏蔽成功.

卸载NVIDIA驱动

终端执行 sudo apt-get remove –purge nvidia* 自动卸载所有英伟达相关的驱动.
如果使用.run文件安装，使用–uninstall卸载

Cuda下载

1. 前往https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的Cuda文件.
2. Cuda 9.2 请按照下图选择(无论是Ubuntu 16还是18):
   

Cuda安装

3. 终端进入下载目录, 执行sudo chmod a+x NVIDIA-Linux-x86_64-390.48.run, 建议先改个短点的名字.

以下操作会导致电脑进入命令行模式.

4. CTRL + ALT +F3进入命令行模式, 输入用户名密码进行登录.
5. 进入run文件所在的目录, 执行sudo sh *.sh -no-opengl-libs(或-files) 安装Cuda. 必须带有-no-opengl-libs参数或是-no-opengl-files参数, 否则无限重启.
6. 不要在此安装GPU驱动
7. 一路Yes, 询问Xserver相关的记得选择No
8. 重启, 成功登陆后进行Cuda的配置.

Cuda配置

• 终端执行sudo gedit ~/.bashrc
• 在文件首添加并保存如下代码

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

• 终端执行source ~/.bashrc使环境变量生效.
• 终端执行nvcc -V检查cuda是否正确安装, 将显示安装的Cuda版本(Cuda版本以此代码查询的结果为准).

GPU驱动的安装

GPU驱动的下载

前往https://www.nvidia.cn/Download/index.aspx?lang=cn根据实际型号自行选择并下载. 建议将文件名修改成简单的并移动到Home目录下.

GPU驱动的安装

以下操作会导致电脑进入命令行模式.

1. 按Ctrl+Alt+F1进入命令行，输入用户名密码登录
2. 终端输入sudo service lightdm stop, 无论返回是什么都无所谓.
3. 进入GPU驱动所在目录, 通过sudo chmod a+x *.run赋予可执行权限.
4. 通过执行sudo sh *.sh –no-opengl-files安装驱动. 按q跳过版权说明. 必须带有-no-opengl-libs参数或是-no-opengl-files参数, 否则无限重启. 不要安装nvidia-xconfig相关的文件.
5. 重启, 成功登陆后终端执行nvidia-smi, 如果有显卡信息说明GPU驱动安装成功.

Cudnn的下载与安装

Cudnn的下载

前往https://developer.nvidia.com/rdp/form/cudnn-download-survey
登陆后下载对应Cuda版本的Cudnn.

Cudnn的安装

下载完毕后将文件解压到方便的地方, 进入到cuda所在的目录, 随后进入终端输入以下代码:

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

验证

1. GPU驱动验证: 终端输入nvidia-smi
   

2. Cuda验证: 终端输入nvcc -V
   

3. 运行验证:

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

最后一句显示PASS

4. Cudnn验证: 终端输入cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
   

安装PyTorch

终端输入conda install pytorch=0.4.1 cuda92 -c pytorch即可

PyCharm选择Conda环境

1. 选择Conda Environment.
2. 选择Existing environment.
3. Interpreter选择到Anaconda/bin目录下的python.exe
4. Conda executable默认就好.
5. 可勾选Make available to all projects.