Tesla M60 GPU 基于CentOS7.3服务的搭建与代码测试

    GPU对于目前深度学习来说，可谓如火如荼,目前对于GPU的研究与开发，整体的发展趋势非常好，而Tesla M60是目前主流的一款GPU服务，如何要发挥其GPU计算的威力, 我们需要做一些基础环境的准备工作，苦于网上没有完整的安装及配置说明，笔者也是一路摸索，整理了一份完整的基于裸机的安装手册，仅供各位参考。

环境说明：

操作系统：CentOS7.3

GPU型号：Tesla M60

基于CentOS7.3服务的搭建,主要要做的事项可分为以下五部分：

一、基于服务器环境的准备

0、安装gcc

##默认情况下centos已经自带本功能，如果没有，输入如下命令

yum -y install gcc-c++

1、检测显卡驱动及型号

##添加ELPepo源

$ sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm

##安装NVIDIA驱动检测

通过如下命令，查看GPU对应的版本型号，以便去NVIDIA官网查看对应的驱动型号。

nvidia-detect -v

根据上图框的型号，登录NVIDIA官网http://www.nvidia.cn/Download/index.aspx?lang=cn设置驱动检索条件，选择出如下选项：

sudo yum install nvidia-detect

##解决CentOS默认的显卡驱动冲突,禁用nouveau

(1)因为NVIDIA驱动会和系统自带nouveau驱动冲突，执行命令查看该驱动状态：

lsmod | grep nouveau

如果出现如下内容，说明存在显示冲突问题，反之则不存在

(2)修改/etc/modprobe.d/blacklist.conf 文件，以阻止 nouveau 模块的加载，如果系统没有该文件需要新建一个，这里使用root权限，普通用户无法再在/etc内生成.conf文件，

echo -e "blacklist nouveau\noptions nouveau modeset=0" > /etc/modprobe.d/blacklist.conf

(3)重新建立initramfs image文件

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak

dracut /boot/initramfs-$(uname -r).img $(uname -r)

(4)重启服务器，让禁用生效

sudo init 6

二、GPU显卡的驱动

2、进入NVIDIA目录执行安装

##关闭 X Server.

$ systemctl stop gdm.service

$ chmod +x NVIDIA-Linux-x86_64-390.25.run
$ sh NVIDIA-Linux-x86_64-390.25.run

如果安装完成，可以运行命令查看显卡状态

$ nvidia-smi

上图说明显示已经驱动成功。

##启动X Server

sudo  systemctl start gdm.service

三、基于GPU显示的开发包的安装

3、安装cuda

官网下载cuda-rpm包https://developer.nvidia.com/cuda-downloads，一定要对应自己的版本,按如下选择进行下载：

下载的文件名为：cuda_9.0.176_384.81_linux.run，1.6G左右，建议在高速网络下载。

sh cuda_9.0.176_384.81_linux.run

一路回车，安装成功。

4、测试cuda

cd /usr/local/cuda/samples/1_Utilities/deviceQuery

sudo make  #生成了deviceQuery.o

./deviceQuery  #二进制文件的执行命令

出现如上对话框的内容，说明cuda安装成功！

4、cuda添加到.bash_profile中

PATH=$PATH:$HOME/bin:/usr/local/cuda/bin

LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64/

CUDA_HOME=/usr/local/cuda

export PATH

export LD_LIBRARY_PATH

export CUDA_HOME

source .bash_profile  #使配置生效

查看nvcc版本号

nvcc -V

5、安装cudnn(可以理解为Cuda的)

sudo  tar zxvf cudnn-9.0-linux-x64-v7.1.tgz -C /usr/local/

显示结果如下：

致此，GPU的驱动及开发程序包已经安装完成，下面开始安装python开发环境！

四、基于GPU  python的开发环境的准备

6、安装adaconda

下载Anaconda3-5.1.0-Linux-x86_64.sh

sudo sh Anaconda3-5.1.0-Linux-x86_64.sh

安装完毕之后，进行环境变量设定，具体如下：

source .bash_profile  #使配置生效

7、创建python3.5并激活及安装必要的python包

conda create -n python3.5 python=3.5

source activate python3.5

#安装tensorflow  

conda install tensorflow-gpu

#安装opencv

conda install opencv

8、安装pycuda

说明：pycude是python使用GPU的开发包，因为目前没有现成的centos的安装包，故需要先编译之后，再安装，命令如下：

##下载pycuda源代码包

https://pypi.python.org/pypi/pycuda

##解压到当前文件夹

tar xzvf pycuda-VERSION.tar.gz

cd pycuda-2017.1.1/

./configure

conda install boost #使用conda安装一般会出现找不到数据源的问题 

pip install pytools

conda install pytest

conda install numpy

##编译并安装

make install

以下过程表示正在安排，有告警没有问题，不用管它。安装成功，如下图所示

五、GPU程序测试

##TensorFlow GPU代码测试

#Creates

import tensorflow as tfa graph.

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

#Creates a session with log_device_placement set to True.

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

#Runs the op.print

sess.run(c)

运行结果出现如下图的内容，代表GPU安装成功！

##pycudaGPU代码测试

切换到pycuda解压的目录下面的examples,运行如下命令

cd  /home/app_user_5i5j/driver/pycuda-2017.1.1/examples

python demo.py 

出现如上图所示的结果，说明pycuda的gpu生效！

六、结束语

GPU的开发，笔者是刚刚开始涉足，欢迎志同道合的朋友一起多多交流，谢谢观看！

QQ:40166033

微信号：xiaofeng873621