深度学习-环境配置

一、NVIDIA（英伟达）显卡驱动安装

NVIDIA显卡驱动可以通过指令sudo apt purge nvidia*删除以前安装的NVIDIA驱动版本，重新安装。

1.1. 关闭系统自带驱动nouveau

注意！在安装NVIDIA驱动以前需要禁止系统自带显卡驱动nouveau：可以先通过指令lsmod | grep nouveau查看nouveau驱动的启用情况，如果有输出表示nouveau驱动正在工作，如果没有内容输出则表示已经禁用了nouveau。

• 我的电脑有有输出，表示nouveau启动了，下面进行nouveau的禁用：
• 在终端输入sudo gedit /etc/modprobe.d/blacklist.conf弹出blacklist.conf文件：

• 在blacklist.conf文件末尾加上这两行，并保存：

blacklist nouveau
options nouveau modeset=0

  
  

  
  
1
2

• 然后在终端中输入：

sudo update-initramfs -u  #应用更改

  
  

  
  
1

• 重启，就禁止了ubuntu20.04自带的nouveau显卡驱动了，接下来我们就可以安心的安装NVIDIA510.54版本的驱动程序了。

2.2. NVIDIA驱动安装

ubuntu20.04 安装NVIDIA驱动很容易，只只需要打开系统设置->软件和更新->附加驱动->选择NVIDIA驱动->应用更改。该界面会自动根据电脑上的GPU显示推荐的NVIDIA显卡驱动。

NVIDIA（英伟达）显卡驱动安装完成后，在终端输入nvidia-smi输出如下图所示的结果就表示安装成功了。下图中绿色框内表明，安装的驱动支持的CUDA最高版本为11.4(注意这里需要重新启动电脑)。

二、安装CUDA

2.1. 下载与安装CUDA

如下图所示，这里以CUDA11.0.2为例，介绍ubuntu20.04系统上CUDA的安装。我们可以从NVIDIA官网CUDA下载页面，网址为https://developer.nvidia.com/cuda-toolkit-archive，点击CUDA Toolkit 11.0.2下载相应版本的CUDA11.0.2。

在如下图所示的界面，以此选择Linux$然后弹出三种安装方法，根据安装经验这里推荐采用runfile(local)方法，即选择如下图中的红圈中的选项。这是由于CUDA的安装过程需要很多依赖库文件，CUDA的run文件虽然比另外两种安装方法的文件大，但是它包含了所有的依赖库文件，所以采用相对来说很容易安装成功。$

在安装CUDA11.0之前需要首先安装一些相互依赖的库文件：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  
  

  
  
1

下面为安装CUDA11.0.2的Ubuntu安装指令：

wget https://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
sudo sh cuda_11.0.2_450.51.05_linux.run

  
  

  
  
1
2

运行上面指令后，会弹出如下界面，点击Continue，然后再输入accept。

接着，如下图所示，在弹出的界面中通过Enter键，取消Driver和450.51.05的安装，然后点击Install，等待

2.2. 配置CUDA的环境变量

CUDA安装完成后，需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。
然后，如下图所示在.bashrc文件的最后添加以下CUDA环境变量配置信息（我从不同的文章中看到这里添加的信息不仅相同，目前还不太清楚具体含义，所以这里仅仅罗列出它们）：

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

  
  

  
  
1
2
3

或

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

  
  

  
  
1
2
3

注意：上面的CUDA环境变量配置方法有很多，本文的配置方法中的cuda不要指定具体的版本，主要是为了电脑中多个CUDA版本的切换。

最后，在终端输入source ~/.bashrc或者重新启终端使之生效。这时，我们就可以在终端输入nvcc -V查看CUDA的安装信息，如下图所示，至此CUDA安装成功。

2.3. CUDA测试

系统安装CUDA包括两个部分：NVIDIA CUDA GPU计算工具包和NVIDIA CUD示例包两个部分。
如下图所示，Ubuntu20.04系统会默认地将CUDA的NVIDIA GPU计算工具包安装到/usr/local/文件夹下面，可以看到该文件夹下多了两个文件夹cuda和cuda-11.0。

对CUDA安装是否成功，需要进入NVIDIA CUDA示例包，其位于/home/liang/NVIDIA_CUDA-11.0_Samples内，在该文件夹下打开终端，并输入make。然后进入1_Utilities/deviceQuery文件夹，并在终端执行./deviceQuery 命令，如下result=PASS则表示安装成功。

三、cuDNN的安装与检测

3.1. cuDNN的安装

从NVIDIA官网的cudnn下载页面上下载与安装CUDA对应的cudnn，网址为https://developer.nvidia.com/rdp/cudnn-download。选择Ubuntu20.04系统下，CUDA11.0.2对应的cuDNN v8.0.5版本，如下图所示：

对下载的cudnn-11.0-linux-x64-v8.0.5.39.tgz进行解压操作，得到一个文件夹cuda，命令为：

tar -zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz

  
  

  
  
1

然后，使用下面两条指令复制cuda文件夹下的文件到/usr/local/cuda-11.0/lib64/和/usr/local/cuda-11.0/include/中。

cp cuda/lib64/* /usr/local/cuda-11.0/lib64/
cp cuda/include/* /usr/local/cuda-11.0/include/

  
  

  
  
1
2

拷贝完成后，我们可以使用如下的命令查看cuDNN的信息：

cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

  
  

  
  
1

3.2. cuDNN的检测

从NVIDIA官网的cudnn下载页面上下载三个.deb格式的检测文件，如下图所示：

在终端输入如下命令安装下载的三个.deb格式的检测文件：

dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.0_amd64.deb
dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.0_amd64.deb
dpkg -i libcudnn8_8.0.5.39-1+cuda11.0_amd64.deb

  
  

  
  
1
2
3

通过上面三条指令，cuDNN的测试文件会自动安装在系统的/usr/src/cudnn_samples_v8文件夹下，进入mnistCUDNN下，执行命令make clean && make。如果结果如下图所示，则表示cuDNN安装成功。

四、CUDA的卸载

进入到/usr/local/cuda-11.0/bin目录下，而不是cuda目录。然后打开终端，输入sudo ./cuda-uninstaller。

输入命令后，弹出如下界面，通过回车键选中三个选项，最后选中Done。执行完下面指令后，上面的cuda文件就删除了。

最后，在终端输入命令sudo rm -rf /usr/local/cuda-11.0，就可以最终删除安装CUDA11.0和cuDNN v8.0.5了。