深度学习之NVIDIA driver与CUDA与CUDNN平台搭建（一）

本设计建议使用以下及更高的硬件配置：

CPU：Intel Xeon（R） E5-2678 v3 @2.5GHz

GPU：NVIDIA GTX 1060 6G

Ubuntu 16.04 LTS

 

准备工作：

更换国内源，安装依赖包速度会有很明显的提高：

（1）备份原来的源：

sudo cp /etc/apt/sources.list /etc/apt/sources_init.list

（2）更换源：

sudo gedit /etc/apt/sources.list

（3）输入内容并保存：

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

更新：

sudo apt-get update

 

安装NVIDIA驱动：

（1）验证相关信息

1) 验证自己的电脑是否有一个可以支持CUDA的GPU：

lspci | grep -i nvidia

（虚拟机上无法连接显卡，需在硬盘内安装Ubuntu系统）

2) 验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题)：

uname -m && cat /etc/*release

3) 验证系统是否安装了gcc及其版本：

gcc --version

4) 验证系统是否安装了kernel header和 package development：

a、查看正在运行的系统内核版本：在终端中输入：

uname -r

b、在终端中输入：

sudo apt-get install linux-headers-$(uname -r)

安装对应kernel版本的kernel header和package development

结果显示：“升级了 0 个软件包，新安装了 0 个软件包...”表示系统里已经有了，不用重复安装。

若以上各项验证检查均满足要求，便可进行下面的正式安装过程。如果没有满足要求的话，可以参考cuda的官方文档，里面有详细的针对每个问题的解决方案。

由于安装系统版本多种多样，安装途中可能会报有缺少依赖库等相关问题，该类问题比较简单可自行解决。

（2）下载NVIDIA驱动

在NVIDIA官网https://www.geforce.cn/drivers找到对应显卡版本的驱动（比如我的是GTX 1060 6G），在选择驱动型号前先进行一系列系统环境版本的查看

（3）禁止集成的nouveau驱动：

修改属性：

sudo chmod 666 /etc/modprobe.d/blacklist.conf

（4）使用gedit编辑黑名单列表：

sudo gedit /etc/modprobe.d/blacklist.conf

在黑名单添加如下内容，禁用相关显卡驱动：

blacklist vga16fb

blacklist nouveau

blacklist rivafb

blacklist rivatv

blacklist nvidiafb

（5）执行如下命令，更新系统，禁用nouveau：

sudo update-initramfs -u

（6）重启：

sudo reboot

（7） 重启成功后，在终端输入如下命令检查是否禁用nouveau成功，无输出，表示禁用成功：

lsmod | grep nouveau

（8）按ctrl+alt+f1进入命令行界面，在命令行界面下输入如下命令，关闭图形界面（不执行后面会出错）：

 sudo service lightdm stop

卸载掉原有驱动：（若安装过其他版本或其他方式安装过驱动执行此项）

 sudo apt-get remove nvidia-* 

（9）给驱动run文件赋予执行权限：

 sudo chmod  a+x bash NVDIA-Linux-x86_64-418.56.run

（10）安装：

 sudo bash NVDIA-Linux-x86_64-418.56.run -no-opengl-files

按照窗口提示进行安装。

注：如出现ERROR:Uable to find the kernel source tree for the currently running kernel …的报错时：

sudo apt-get install linux-headers-$(uname -r)

sudo apt install dkms

重新执行sudo bash NVDIA-Linux-x86_64-418.56.run。

yes

默认

no

（11）安装完毕后

输入：

nvidia-smi

打印出相关显卡信息即下载成功

输入：

nvidia-setting

**NVIDIA显卡设置界面

安装完成

 

安装CUDA：

（1）运行cuda_10.1.168.418.67_linux.run（CUDA 10.1版本）

sudo bash cuda_10.1.168.418.67_linux.run -no-x-check -no-nouveau-check -no-opengl-files

安装完成后回到图形界面：

sudo service lightdm start

（2）添加环境变量：

gedit ~/.bashrc

最后一行添加：

export PATH=/usr/local/cuda-10.1/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH

 

source ~/.bashrc

（3）

cd /usr/local

sudo chmod -R 777 cuda-10.1/

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery

make

sudo ./deviceQuery

全程无报错说明CUDA安装完成

（4）测试CUDA安装是否成功：

nvcc --version

打印出相关CUDA信息表示安装成功

查看cuda版本：

cat /usr/local/cuda-10.1/version.txt

 

下载CUDNN：

（1）到英伟达官网下载CUDA、Ubuntu对应版本的CUDNN：

https://developer.nvidia.com/rdp/cudnn-download

（本设计使用的cuda10.1，对应cdunn7_7.5）

中间需要注册，步骤比较简单，完成相关信息填写即可。

（2）在/usr/local路径下新建文件夹名cudNN7（版本根据自己版本设定）

将cudnn-10.1-linux-x64-v7.5.1.10.tgz放在文件夹/usr/local/cudNN7并解压：

tar zxvf cudnn-10.1-linux-x64-v7.5.1.10.tgz -C ./

（3）解压之后下载目录会产生一个cuda文件夹，然后依次输入

cd cuda/include/

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

cd ../lib64 #打开lib64目录

sudo cp lib* /usr/local/cuda-10.1/lib64/ #复制库文件

sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #给所有用户增加这些文件的读权限

（4）建立软连接

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.7

sudo ln -s libcudnn.so.7.5.1 libcudnn.so.7

sudo ln -s libcudnn.so.7 libcudnn.so

关于版本7.5.1 7根据自己下载cudnn版本决定

（5）添加环境变量

sudo vim ~/.bashrc

添加如下代码：

PATH=/usr/local/cuda-10.1/bin:$PATH

export PATH

（该步骤其实在cuda时已经完成，可以重新确认一遍）

保存退出，接下来创建链接文件，终端输入下列代码：

sudo gedit /etc/ld.so.conf.d/cuda-10-1.conf（根据自己版本号决定）

输入下面代码：

/usr/local/cuda/lib64

保存后退出

（6）更新动态链接：

sudo ldconfig

（7）cuda测试

进入CUDA 10.1Sample默认安装路径下(/home/$your desktop name)终端输入：

sudo make all -j8   #8代表8核，可以更改

完成后终端依次输入

cd bin/x86_64/linux/release

./deviceQuery

终端打印出以下信息：

表示安装成功！