ubuntu下安装cuda+cudnn步骤

最新推荐文章于 2024-08-07 15:04:38 发布

修炼打怪的小乌龟

最新推荐文章于 2024-08-07 15:04:38 发布

阅读量2.8w

点赞数 5

今天自己在电脑上安装了cuda ，对于小白，一天真的时很漫长，简单记录一下，日后方便自己再次安装。自己是根据官网上的安装文件进行操作的。http://developer.nvidia.com/cuda-downloads。

给出官网上的型号适用图：

安装步骤如下：

1、前期准备

（1）确定有cuda使用的GPU ，可使用下面命令查看：

$ lspci | grep -i nvidia

如果没有看到任何设置，则使用命令 update-pciids 来升级PCI 硬件数据库，然后重新运行上面 lspci 命令。

本人电脑上出现了GPU 版本，如下所示：

（2）查看系统版本

$ uname -m && cat /etc/*release

你可以看到类似如下信息：

x86_64
Red Hat Enterprise Linux Workstation release 6.0 (Santiago)

从x86_64可以看出使用的是64位。

本人电脑显示结果如下图所示：

（3）验证gcc

使用命令验证gcc版本：

$ gcc --version

从文章开头可以知道ubuntu16.04系统需要5.3.1以上的gcc。如果电脑上没有gcc则需要进行安装，之后需要对cuda代码使用gcc进行调试。安装代码如下：

sudo apt-get  install  build-essential

（4）验证系统是否有正确的内核头和安装包

使用如下命令可以查看内核的版本号：

uname -r

对于ubuntu系统，可以使用如下命令进行内核头与开发包的安装：

$ sudo apt-get install linux-headers-$(uname -r)

（5）选择安装方法

一种时独立的，一种是分布式的。这里我没有进行太多研究，因为我还都不懂，所以就没有过多考虑。

以上为前期准备工作。

2、安装

我使用的时deb文件。所以接下来介绍的是deb文件的安装方法，大家也可以下载sh文件。

先从网站上下载了cuda的deb文件。

（1）运行deb文件

$ sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

（2）升级

$ sudo apt-get update

（3）安装CUDA

$ sudo apt-get install cuda

3、安装后的操作

（1）修改环境变量

使用命令打开bashrc文件：

gedit ~/.bashrc

在bashrc文件最后面添加上下面的cuda路径：

$ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

其次，在bashrc文件最后面还需要加上依赖库地址。

64位的用户添加如下的依赖库地址：

$ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

32位的用户添加如下的依赖库地址：

$ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

注：地址最好写成一行，否则在打开终端时会提示路径错误。

结果如下图所示：

若写成下图所示格式，打开终端时会提示路径错误：

（2）验证

a、为了修改、编译和运行示例，必须安装具有写入权限的示例。提供方便安装脚本：

$ cuda-install-samples-8.0.sh <dir>

其中dir为目标地址。

完成这些后要对电脑重新启动，才能进行下面操作。

b、验证驱动程序版本

$ cat /proc/driver/nvidia/version

再依次执行下面操作：

验证cuda版本：

nvcc -V

结果如下图：

nvidia-smi

c、运行例子

进入例程所在目录：

cd /usr/local/cuda/samples/7_CUDALibraries/batchCUBLAS/

查看当前目录：

ls

含有五个文件：

batchCUBLAS.cpp batchCUBLAS.h Makefile NSIGHTEclipse.xml readme.txt

直接使用make进行编译

make

会显示如下信息：

/usr/local/cuda-8.0/bin/nvcc   -ccbin  g++  -I../../common/inc   -m64   -gencode arch=compute_52,code=sm_52  -gencode arch=compute_52,code=compute_52  -o  batchCUBLAS.o  -c  batchXUBLAS.cpp
/usr/local/cuda-8.0/bin/nvcc   -ccbin  g++    -m64   -gencode arch=compute_52,code=sm_52  -gencode arch=compute_52,code=compute_52  -o  batchCUBLAS.o  -lcublas

再次查看文件夹下的文件

ls

文件夹下包括：

batchCUBLAS batchCUBLAS.o batchCUBLAS.cpp batchCUBLAS.h Makefile NSIGHTEclipse.xml readme.txt

比之前多了2个文件。编译的结果放在了 /usr/local/cuda/samples/bin/x86_64/linux/release 中。

此时可以在/usr/local/cuda/samples/bin/x86_64/linux/release 目录下执行：

./deviceQuery

会出现如下结果：

/usr/local/cuda/samples/7_CUDALibraries/batchCUBLAS/ 下的batchCUBLAS实现矩阵乘运算，可以在该目录下运行如下代码：

$ ./batchCUBLAS -m4096 -n4096 -k4096

安装CUDNN

安装cudnn比安装cudn相对来说简单的多得多，所以就不单独拿出一篇文章来介绍了。很简单。

CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等。

CuDNN可以在官网免费获得，注册帐号后即可下载。官网没有找到安装说明，下载得到的压缩包内也没有Readme. 不过google一下就会找到许多说明。基本原理是把lib文件加入到系统能找到的lib文件夹里，把头文件加到系统能找到的include文件夹里就可以。

参考：http://www.cnblogs.com/platero/p/4118139.html

1、下载

在网站 https://developer.nvidia.com/cudnn 下载·「 cuDNN v** library for Linux 」

2、执行如下命令

tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz

cd cudnn-8.0-linux-x64-v5.1   进入解压缩的文件内，名称会有所不同，所以解压的时候要注意。有时可能也会是cuda

复制相关信息

sudo cp lib* /usr/local/cuda/lib64/
sudo cp cudnn.h /usr/local/cuda/include/

cudnn.h有时可能在include 文件夹内，需要进入include 文件夹内对 cudnn.h 进行复制。

3、修改 caffe 的·配置文件
进入caffe目录下，打开Makefile.config文件，将Use_cudnn解注释。

cd caffe
gedit Makefile.config

修改配置文件：

4、验证

对caffe进行重新编译，如果成功加载cudnn的lib库，则编译成功，否则添加失败。

验证后出现错误：

/usr/bin/ld: 找不到 -lcudnn

我解决的方法是将压缩出来的文件单个复制到指定的文件夹下：

sudo cp libcudnn.so /usr/local/cuda/lib64/
sudo cp libcudnn.so.5 /usr/local/cuda/lib64/
sudo cp libcudnn.so.5.1.10 /usr/local/cuda/lib64/
sudo cp libcudnn_static.a /usr/local/cuda/lib64/

之后再编译caffe，