联想z470安装深度linux,联想z470安装cuda toolkit 7.5过程

我安装的系统是ubuntu kylin 14.04,ubuntu 14.04也差不多一样.我的目的是让GPU能跑一些机器学习以及深度学习的框架,如theano

1,卸载掉与nvidia相关的驱动以及旧版的cuda相关程序

sudo apt-get remove --purge nvidia* cuda*

2,到cuda官网下载新的cuda toolkit版本,我下的deb版的,也可以下run版的,我装的是时候是7.5版(2015.12.14.),你可以试着进入字符界面(ctrl+alt+F1),安装,也可以直接在终端安装主,我是选择前者,

sudo dpkg -i cuda-repo-__.deb

安装好仓库之后，就可以更新你的本地仓库。

sudo apt-get update

最后开始安装cuda以及显卡驱动

sudo apt-get install cuda

安装完后加入环境变量,这个有好几种方法,我选择在本用户目录下安装,vim ~/.bashrc,在后面加入

$ export PATH=/usr/local/cuda-7.5/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

设置完毕之后，你还可以选择是否安装cuda附带的示例代码(

cuda-install-samples-7.5.sh 

三,安装bumblebee

如果你的电脑是两显卡,不知你会怎样管理呢,我用的是bumblebee,如果你也是一样的电脑,可以一试,ubuntu安装比较简单

sudo add-apt-repository ppa:bumblebee/stable

sudo apt-get update

sudo apt-get install bumblebee bumblebee-nvidia

这时你最好重启或注销一下电脑

四,测试验证

待你重新开机后,就以后一些验证工作

1,查看nvcc编译器的版本,nvcc是GPU的编译器

nvcc -V i

2,查看显卡的驱动版本,这个得先让你的独立显卡的gpu跑起来才可以看到

optirun python

#另一个终端

cat /proc/driver/nvidia/version

你如果用  lspci |grep -i VGA看独立显卡的状态,前面可能不一样,没开独立显卡是ff,开了后是a1

3,测试集显与独显是否正常,先测试集显,再测试独显

glxgears

你会看到如下结果:

optirun glxgears

很明显,独立显卡的速度要比集显要快的多

4,编译cuda程序,在sample目录下,make编译程序,网上人说编译并运行通过就没问题了,我一开始没了没有通过,虽然可执行文件是可以执行的,后面我加了个环境变量

export LD_LIBRARY_PATH=/usr/lib/nvidia-352:$LD_LIBRARY_PATH

运行编译出来的./deviceQuery,出下面结果

你也可以跑一下,simple下面的其他程序,如果大多没问题的话,就证明还是基本安装成功的.

如果你是做cuda编程的,你可以如这个网址中入门开始学习CUDA在线学习

四,theano测试

因为我的主要目的是跑python代码,我之前已装了theano,所以只测试theano能在GPU上跑吗.

有两种方法运行GPU,一是在那个~/.theanorc配置文件,加入

[global]

floatX=float32

device=gpu

#二,是运行程序时,前面加入说明

THEANO_FLAGS=floatX=float32,device=gpu python /usr/local/lib/python2.7/dist-packages/theano/misc/check_blas.py

会出测试结果.

也可以把下面的代码存为test.py,用cpu与gpu跑一下,出来的显示结果与时间都不一样.

from theano import function, config, shared, sandbox

import theano.tensor as T

import numpy

import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core

iters = 1000

rng = numpy.random.RandomState(22)

x = shared(numpy.asarray(rng.rand(vlen), config.floatX))

f = function([], T.exp(x))

print(f.maker.fgraph.toposort())

t0 = time.time()

for i in xrange(iters):

r = f()

t1 = time.time()

print("Looping %d times took %f seconds" % (iters, t1 - t0))

print("Result is %s" % (r,))

if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):

print('Used the cpu')

else:

print('Used the gpu')

注意，我也要试着在台式机上装过，显卡是GeForce GTX 750Ti，我是用的网络安装的，安装后配置一开PATH,CUDA_ROOT,就可以重启，这样就可以了。如果你想装cudnn的话，建议还是用在显卡比较好的电脑上，我的z470电脑装了用不了，这个750Ti的显卡可以用，不过也不能用当下最新的5.0版本，只能用4.0的，安装的步骤如下：

tar -xzvf cudnn-7.0-linux-x64-v4-prod.tgz

chmod -R 777 cuda #其实不用这样，我只是不想引起其他麻烦

sudo cp lib64/* /usr/local/cuda/lib64/

sudo cp include/* /usr/local/cuda/include/

sudo ldconfig #这样就可以了

五,可借鉴文档

六,可能的问题

FATAL: Module nvidia_uvm not found.