nvidia gpu的环境配置

Posted 2021-02-07 chriscoder

目录

• gpu之环境配置
  • N卡驱动安装
  • cuda安装
  • cudnn安装
  • 配置环境变量
  • 测试cuda和cudnn
  • 查看显卡占用情况
  • tensorflow
  • coffe
  • 参考

gpu之环境配置

注：首先安装Nvidia显卡驱动，然后安装cuda和相应的cudnn， 最后配置环境。显卡驱动和cuda分别安装。

注： 有教程中说要把python库的链接从默认的2.7改到3.x， 因为系统很多配置是与python版本挂钩的，所以尽量不要改动python版本，否则很多软件会用不了。

N卡驱动安装

查看n卡驱动和cuda版本的对应关系：NVIDIA CUDA Toolkit Release Notes

注： 驱动安装后要重启电脑

sudo reboot

• 使用Ubuntu系统的集成驱动管理和安装

现在新版的Ubuntu系统已经集成了驱动管理和安装工具，通过System Settings->SoftWare & Updates->Additional Drivers 切换安装，如果在备选的列表里没有找到NVIDIA的驱动，则通过如下解决：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

• 使用apt-get install安装

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-410 nvidia-settings nvidia-prime

• 官方驱动编译安装（目前不太推荐）

• 验证安装是否成功

查看驱动版本和显卡属性：

nvidia-smi

和

nvidia-settings

• 删除nvidia驱动

sudo apt-get --purge remove nvidia-*
sudo rm -rf /usr/local/cuda-XX/

cuda安装

CUDA Toolkit

• cuda下载地址

推荐安装cuda9.0或cuda10.0

选择Linux -> x86_64 -> Ubuntu -> 16.04 -> runfile(local) 或者deb(local)

sudo dpkg -i cuda-repo-ubuntu1604-xx_amd64.deb
sudo apt-key add /var/cuda-repo-<tab-complete>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

注： 如果有patch（补丁）则下载相应的安装。

cudnn安装

NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.

• cudnn下载地址

下载与cuda对应的deb包安装。

sudo dpkg -i libcudXX.deb

配置环境变量

打开个人配置文件:

sudo gedit ~/.zshrc

在文件尾部输入以下命令：

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

或者

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

更新变量环境

source ~/.zshrc

测试cuda和cudnn

• 使用cuda里面的samples来测试是否安装成功

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

和

cd usr/local/cuda-10.0/samples/1_Utilities/bandwidthTest
sudo make
./bandwidthYest

• 如果返回结果是这样的：

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, 
CUDA Runtime Version = 10.0, NumDevs = 1
Result = PASS

那你简直是很lucky！

• 如果返回的结果是:

CUDADeviceQuery(RuntimeAPI)version(CUDARTstaticlinking)
cudaGetDeviceCount returned 35
-> CUDA driver version is insufficient for CUDA runtime version
Result = FAIL

有教程提到将Ubuntu中intel的集成显卡切换到nvidia显卡，但我试过没用啊！在终端输入：

nvidia-settings

在左侧栏找到PRIME Profiles， 进入切换即可。如果没有这一栏，则：

prime-select nvidia

• 如果返回的结果是这样的：

cudaGetDeviceCount returned 30
-> unknown error
[deviceQuery] test results...
FAILED

目测多半是废了(捂脸.jpg)。

• 删除cuda和cudnn

sudo apt-get --purge remove cuda-*
sudo rm -rf 

查看显卡占用情况

在终端中输入

watch -n 10 nvidia-smi

注：每隔10秒刷新一次终端

• 结束进程

sudo kill -9  PID

tensorflow

未完待续

coffe

未完待续

参考

• Install CUDA 10.0, cuDNN 7.3 and build TensorFlow (GPU) from source on Ubuntu 18.04

• Ubuntu 16.04配置TensorFlow-GPU 1.6.0

• Ubuntu下实时查看Nvidia显卡显存占用情况