gpu

tensorflow CUDA cudnn 版本对应关系

参考

安装anaconda

安装完后，启动指令为 anaconda-navigator

激活环境 source activate /home/yanzi/ENV_conda/pytorch （路径为实例，根据自己实际的放置）

退出环境 source deactivate

安装pytorch指令 conda install pytorch torchvision cuda90 -c pytorch

出现不能下载安装pytorch安装包的问题

将安装包pytorch-0.4.0-py36_cuda9.0.176_cudnn7.1.2_1.tar.bz2下载好后

执行 conda install /path/to/package

参考

安装nvidia驱动

步骤如下：

1禁用nouveau驱动和相关的驱动包

打开配置文件sudo gedit /etc/modprobe.d/blacklist.conf

在文件的最后一行加入下面的命令

blacklist rivafb
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv

执行sudo update-initramfs -u使得blacklist.conf生效

重启

2卸载原本nvidia驱动
sudo apt-get --purge remove nvidia-*

3安装新的nvidia驱动

安装需要的依赖

sudo apt update
sudo apt install dkms build-essential linux-headers-generic

进入工作台界面Ctrl+Alt+F1

关闭图形服务 sudo service lightdm stop

更改驱动权限sudo chmod a+x NVIDIA-Linux-x86_64-x.x.run

执行安装sudo ./NVIDIA-Linux-x86_64-x.x.run -no-x-check -no-nouveau-check -no-opengl-files

重启

注1：在安装驱动会遇到：

The distribution-provided pre-install script failed! Are you sure you want to continue? 不用管它，继续安装。

Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later? 选择No继续

遇到是否安装 32位驱动 选择安装

Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. 这个选择Yes 继续

注2：CUDA9建议安装R384及以上版本的驱动，但是安装R384的驱动后，执行nvidia-smi指令不能显示显卡型号，将驱动更新成R390以上之后问题解决。

注3：安装驱动后可能会出现重复登录的问题，转入到工作台界面，卸掉原本的nvidia驱动和nouveau驱动

ubuntu下驱动，cuda，cudnn安装

参考

1安装cuda toolkit 9.0

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

增加环境变量，在$HOME/.profile文件末尾添加下面两行

export PATH=${PATH:+${PATH}:}/usr/local/cuda-9.0/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/cuda-9.0/lib64

查询是否安装好 nvcc -V

参考

2.安装nvidia驱动（在本文档中搜索）

3安装cudnn(需要注册nvidia账号,才能下载cudnn)

Runtime library安装 sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb

Develop library安装 sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb

帮助文档安装 sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

参考

4安装libcupti-dev库，这是NVIDIA CUDA分析工具接口

安装命令sudo apt-get install cuda-command-line-tools显示无法定位该软件

执行sudo apt-cache search cuda-command-line-tools显示已经安装 cuda-command-line-tools-9-0

将其路径添加到LD_LIBRARY_PATH环境变量上，在$HOME/.profile文件末尾添加：

export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/extras/CUPTI/lib64

注1：在安装cuda后出现屏幕分辨率不能更改的问题

sudo mv /etc/X11/xorg.conf /etc/X11/xorg.conf.backup
sudo touch /etc/X11/xorg.conf
sudo reboot

centos（服务器）下安装gpu驱动，cuda，cudnn

cuda官方安装文档

cudnn官方安装文档

1.安装gpu驱动（在cuda中包含了gpu驱动，可先不安装）
下载地址

2.安装cuda
下载地址

安装时要指定内核头文件和开发包的版本，如果直接更新内核头文件和开发包，可能会更新到最新的版本，与系统本身的版本不符合

uname -r
sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

若是碰到不能找到跟当前系统版本相符合的内核头文件和开发包，则可以选择升级内核到指定的版本

rpm安装方式如下：

选择下载文件，cuda-repo-rhel7-9.0.176-1.x86_64.rpm

sudo rpm -i cuda-repo-rhel7-9.0.176-1.x86_64.rpm`
sudo yum clean all`
sudo yum install cuda`

3.安装cudnn
下载地址