linux安装 cuda.run,在CentOS上安装cuda

8种机械键盘轴体对比

本人程序员，要买一个写代码的键盘，请问红轴和茶轴怎么选？

这篇文档是参照NVIDIA的官方文档做了删减修补而成，官方文档在这里。

这篇教程在以下服务器上部署成功：

系统版本：Ubuntu-14.04.5-Server-amd64

CUDA Toolkit版本： 8.0.61_375_26

系统版本： CentOS 6.8(amd64)

CUDA Toolkit版本：9.1

基本步骤：安装前检查系统是否满足要求

(假如需要安装CUDA的标准样本库则需要进行此步操作)安装CUDA SAMPLE所必需的依赖包

禁用Nouveau驱动

下载CUDA-Toolkit驱动文件

安装CUDA-Toolkit

检查是否安装成功

1. 安装前检查系统是否满足要求

系统要求：

在您的系统安装CUDA需要安装以下部件：CUDA GPU

GCC编译器，Linux开发环境支持以及其他相关包

NVIDIA CUDA Toolkit,可在NVIDIA官方网站下载。

1.1 检查系统GPU是否支持CUDA

为了检验系统是否支持CUDA，你可以去不同发行版对应的系统配置里查看，或者使用以下命令检查：1lspci | grep -i nvidia

1.2 检查系统版本是否符合要求

CUDA只支持某些版本的linux系统，在cuda的版本手册里面已经注明了，为了检验你的系统是否支持CUDA，你可以使用以下命令查看：1uname -m && cat /etc/*release

或者uname -r,你应当可以看到和下面相似的输出1

2x86_64

Red Hat Enterprise Linux Workstation release 6.0 (Santiago)

其中x86_64一行表明你的系统是64位的，下面一行给出了关于系统的相关信息。

1.3 检查系统是否已经安装了GCC编译器

对于使用CUDA从事开发而言，gcc编译器是必须的，但对于运行CUDA应用它不是必须的。在大多数情况下，gcc编译器要是安装在(cuda)支持的linux发行版里，工作起来没有什么问题。

查看系统里安装的gcc编译器可以使用以下命令：1gcc --version

对于Ubuntu而言，则是1gcc -v

假如系统上没有安装gcc编译器，可以使用以下命令安装：

ubuntu：1sudo install -y gcc

RHEL/CentOS：1yum install -y gcc

1.4 检查系统是否已经安装了对应版本的Kernel Headers以及对应的开发包

无论你什么时候更改了kernel的版本，对应版本的kernel headers以及开发包都必须在安装CUDA之前安装好，查看系统的内核(kernel)版本可以使用以下命令查看：1uname -r

输出结果是系统内核版本号。在安装CUDA驱动前，系统的kernel headers以及开发包的版本号必须和这个版本号一致，这个命令可以用于拼接命令从而安装kernel headers以及开发包。

下面列举出来的是一些linux发行版如何安装kernel headers以及开发包的命令，需要注意的是，对于其他的linux发行版，需要保证kernel headers和kernel build版本保持一致。

1.4.1 RHEL/CentOS

可以用以下命令来安装和内核版本一致的kernel headers以及开发包：1sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

1.4.2 Fedora1sudo dnf install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

1.4.3 OpenSUSE/SLES

使用输出的内核版本信息：1

2uname -r

3.16.6-2-default

在这个例子里面，内核版本是3.16.6-2， variant是default. kernel headers以及开发包可以用以下命令安装，记得将variant和version用上面输出来的版本号和信息替换。1sudo zypper install kernel--devel=

1.4.4 Ubuntu1sudo apt-get install linux-headers-$(uname -r)

2. 安装CUDA SAMPLE所必需的依赖包1sudo apt-get install -y make freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

3. 禁用Nouveau驱动

为了安装显示驱动，需要禁用Nouveau驱动。不同发行版的linux的禁用方法是不同的。

首先查看系统的Nouveau驱动是否已经启用了：1lsmod | grep nouveau

假如有任何信息说明系统加载了Nouveau驱动。

禁用方法如下：

3.1. Fedora1touch /usr/lib/modprobe.d/blacklist-nouveau.conf

在blacklist-nouveau.conf中写入：1

2blacklist nouveau

options nouveau modeset=0

重新生成内核的启动镜像initramfs文件包:1sudo dracut --force

3.2. RHEL/CentOS1touch /etc/modprobe.d/blacklist-nouveau.conf

在blacklist-nouveau.conf中写入：1

2blacklist nouveau

options nouveau modeset=0

重新生成内核的启动镜像initramfs文件包:1sudo dracut --force

3.3. OpenSUSE1touch /etc/modprobe.d/blacklist-nouveau.conf

在blacklist-nouveau.conf中写入：1

2blacklist nouveau

options nouveau modeset=0

重新生成内核的启动镜像initramfs文件包:1sudo /sbin/mkinitrd

3.4. SLES

SLES上不需要做任何操作因为SLES上没有安装Nouveau.

3.5. Ubuntu1touch /etc/modprobe.d/blacklist-nouveau.conf

在blacklist-nouveau.conf中写入：1

2blacklist nouveau

options nouveau modeset=0

重新生成内核的启动镜像initramfs文件包:1sudo update-initramfs -u

3.下载NVIDIA的CUDA Toolkit

NVIDIA CUDA Toolkit可在这里下载。

可以用MD5校验下载文件是否完整：1md5sum

CUDA-Toolkit对应的MD5SUM可以在这里进行校验。

4. 安装CUDA Toolkit

4.1 安装

使用以下命令进行安装：1sudo sh cuda__linux.run

或者1sudo ./cuda__linux.run

在安装过程中，installer会弹出下列对话要求我们响应:EULA Acceptance

CUDA Driver installation

CUDA Toolkit installation, location, and /usr/local/cuda symbolic link

CUDA Samples installation and location

假如选择了安装CUDA驱动(显卡的驱动)，installer会提示是否安装openGL库。假如用于显示器显示的显卡不是NVIDIA显卡，那么OpenGL库不应该被安装，否则非Nvidia的OpenGL会被覆盖从而导致GUI不能正常工作。此时可以在安装命令后面加上参数--no-opengl-libs可以拒绝安装OpenGL库文件。

假如用于显示的显卡是NVIDIA显卡，那么X server的配置文件：/etc/X11/xorg.conf可能需要手动修改配置。在默认情况下，nvidia-xconfig会为系统自动生成一个xorg.conf文件。对于一些非标准的系统，比如超过一个GPU以上的系统，更加推崇的是手动修改xorg.conf文件。查看xorg.conf文件的文档以便获取更多信息。

其他配置保持默认即可。

4.2 添加环境变量

安装完成后需要在/etc/profile中添加环境变量, 在文件最后添加:1

2PATH=/usr/local/cuda-8.0/bin:$PATH

export PATH

保存后, 执行下列命令, 使环境变量立即生效1source /etc/profile

5. 检查是否安装成功：

5.1 敲命令1nvidia-smi

有显示nvidia的显卡信息则成功

5.2 编译例子，看例子是否能运行

完成后编译Sample文件, 整个过程大概10分钟左右1

2cd /usr/local/cuda-8.0/samples

sudo make

全部编译完成后， 进入samples/bin/x86_64/linux/release，sudo下运行deviceQuery1

2cd samples/bin/x86_64/linux/release

sudo ./deviceQuery

如果出现下列显卡信息， 则驱动及显卡安装成功：1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41./deviceQuery Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 670"

CUDA Driver Version / Runtime Version 6.5 / 6.5

CUDA Capability Major/Minor version number: 3.0

Total amount of global memory: 4095 MBytes (4294246400 bytes)

( 7) Multiprocessors, (192) CUDA Cores/MP: 1344 CUDA Cores

GPU Clock rate: 1098 MHz (1.10 GHz)

Memory Clock rate: 3105 Mhz

Memory Bus Width: 256-bit

L2 Cache Size: 524288 bytes

Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 49152 bytes

Total number of registers available per block: 65536

Warp size: 32

Maximum number of threads per multiprocessor: 2048

Maximum number of threads per block: 1024

Max dimension size of a thread block (x,y,z): (1024, 1024, 64)

Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

Maximum memory pitch: 2147483647 bytes

Texture alignment: 512 bytes

Concurrent copy and kernel execution: Yes with 1 copy engine(s)

Run time limit on kernels: Yes

Integrated GPU sharing Host Memory: No

Support host page-locked memory mapping: Yes

Alignment requirement for Surfaces: Yes

Device has ECC support: Disabled

Device supports Unified Addressing (UVA): Yes

Device PCI Bus ID / PCI location ID: 1 / 0

Compute Mode:

< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670

Result = PAS

到此成功安装了CUDA Toolkit。