deepin linux安装nvidia驱动、cuda9、cudnn7

发表于 | 本文总阅读量 次 | 字数统计: 1.1k 字 | 阅读时长 ≈ 5 分钟
迈出深度学习的第一步

cuda和gcc版本兼容的说明

安装深度学习的环境还是很复杂的，特别是 linux 下安装，新手更是闹不明白，笔者在安装的过程中因为执行错了命令，导致系统重做，各种血泪，本文是在重新安装的系统上实践出来的结果，仅供参考

安装nvidia驱动

  1. 安装驱动

    1
    sudo apt install nvidia-smi nvidia-driver

  2. 调整显卡管理方案

    使用系统自带的 显卡驱动管理器 将显卡方案设置为 NV-PRIME。

  3. 重新启动系统，应该能够看到旋转的茶壶画面

  4. 验证安装成功与否，打开终端输入命令nvidia-smi，如果出现类似下图，就说明安装成功了。

安装cuda

驱动安装完成后，就可以安装 cuda 了，不过在此之前还需要检查下gcc和g++的版本是否在 4.9~6.0之间，deepin自带的是7.+，需要降级。

1
2
3
4
5
sudo apt install g++-6 gcc-6
cd /usr/bin
sudo rm gcc g++
sudo ln -s g++-6 g++
sudo ln -s gcc-6 gcc

可以正式开始安装，cuda建议使用官方的安装的包，不要使用默认安装源内的版本，容易出现不兼容的问题。

  1. 下载 cuda 9.0，这里选择了如下图。

  2. 使用sudo sh cuda_9.0.176_384.81_linux.run安装，安装过程中跳过 nvidia 驱动的安装，因为在上面我们已经安装过了，其他的依次正常安装即可。

  3. 将cuda添加到环境变量，在~/.bashrc文件中末尾加上

1
2
3
4
# cuda
export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
export PATH=$CUDA_HOME/bin:$PATH
1
$ source ~/.bashrc

  1. 查看版本

    1
    2
    3
    4
    5
    $ nvcc --version
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2017 NVIDIA Corporation
    Built on Fri_Sep__1_21:08:03_CDT_2017
    Cuda compilation tools, release 9.0, V9.0.176

  2. 运行 cuda samples 测试

    • 进入要运行的测试程序，cd ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery

    • 编译 make

      1
      2
      3
      "/usr/local/cuda-9.0"/bin/nvcc -ccbin g++   -m64      -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_37,code=sm_37 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_70,code=compute_70 -o deviceQuery deviceQuery.o 
      mkdir -p ../../bin/x86_64/linux/release
      cp deviceQuery ../../bin/x86_64/linux/release

    • 运行编译结果./deviceQuery

      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
      42
      43
      ./deviceQuery Starting...

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

      Detected 1 CUDA Capable device(s)

      Device 0: "GeForce 940MX"
        CUDA Driver Version / Runtime Version          9.1 / 9.0
        CUDA Capability Major/Minor version number:    5.0
        Total amount of global memory:                 2004 MBytes (2101870592 bytes)
        ( 3) Multiprocessors, (128) CUDA Cores/MP:     384 CUDA Cores
        GPU Max Clock rate:                            1189 MHz (1.19 GHz)
        Memory Clock rate:                             2505 Mhz
        Memory Bus Width:                              64-bit
        L2 Cache Size:                                 1048576 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
        Supports Cooperative Kernel Launch:            No
        Supports MultiDevice Co-op Kernel Launch:      No
        Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
        Compute Mode:
           < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

      deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.0, NumDevs = 1
      Result = PASS

这样 cuda 的安装就大功告成了。

cudnn 的安装

打开cudnn 下载地址 下载 cuda-9.0 对应版本的 cudnn，需要注意的是 cudnn 需要注册登录才能下载。

这里下载的是 cuDNN 7.5 for CUDA 9.0 对应的linux版。

下载完成后 tar -zxvf cudnn-9.1-linux-x64-v7.1.tgz ， 将解压出来的cuda文件夹复制到/usr/local。

关键的步骤来了

1
2
3
$ cd /etc/ld.so.conf.d
$ touch cuda.conf
$ vi cuda.conf

在conda.conf中输入如下内容

1
2
/usr/local/cuda/lib64
/usr/local/cuda-9.0/lib64

之所以说是关键步骤，因为经过无数次的测试验证，这样的配置可以解决 tensorflow 运行时出现的
ImportError:libcublas.so.9.0: cannot open shared object file: No such file or directory 和 ImportError:libcudnn.so.7: cannot open shared object file: No such file or directory

结束

不断学习思考是不断进步的保证