【基建笔记】深度学习基础工具:CUDA + cuDNN安装与配置

安装cuda10.0+cudnn7.4+tensorflow-gpu

最终目的是为了安装tensorflow-gpu版本，如果不需要gpu版本的可以直接用pip进行安装即可。否则需要安装nvidia的cuda和cudnn。

cuda-cudnn-tensorflow-gpu版本对应表

---

0. 卸载cuda老版本

1. 先卸载老版本内容. 我之前用的9.0, 如果上一次是默认安装,整个安装目录应该是/usr/local/cuda-9.0.
2. 卸载命令很简单:

sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl

3. 上一步删除过程大约1分钟, 最后也可以通过 sudo rm -rf /usr/local/cuda-9.0/完全清除残留文件
4. 清除~/.bashrc中的环境配置**

1.1 CUDA Toolkit下载和安装

下载地址：https://developer.nvidia.com/cuda-toolkit-archive。

1. 选择 linux --> x86_64 --> Ubuntu --> 16.04 --> runfile(local)

也可以选择下载deb文件，但有时候终端网络很慢, 不如直接下载runfile到本地安装, 个人感觉安装最快。

2. 下载完成后在文件目录下打开终端，根据下载页面的安装指令进行安装。
3. 在终端输入sudo sh cuda_10.0.130_410.48_linux.run后。待说明出现一直按住space键，一直到最终进度到了100%。
4. 最终有５个选择需要输入：(这里面有几步会询问安装地址,这里都选择默认)
   • accpet
   • n(不要安装显卡驱动,最好单独安装)
   • y
   • y
   • y
     如果安装顺利,会在/usr/local/下生成cuda/和cuda-10.0两个文件夹
5. 设置环境变量：

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH

环境变量更新：

source ~/.bashrc

6. 检查CUDA是否安装成功:终端中运行nvcc -V查看版本信息。

安装CUDNN

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

1. 选择合适的版本，注意和CUDA相匹配。本文中选用cuDNN_v7.4.1_for_CUDA_10.０ (7.4是老版本了,可以尝试当前更新版本)。
2. 下载“cuDNN Library for Linux”.
3. 在下载目录下的终端中将cuDNN文件复制到CUDA中并赋予执行权限:

tar xvzf cudnn-... #解压文件
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
# 以上是将文件复制在CUDA安装地址中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
# 以上是通过`chmod a+r`赋予所有人有对文件的可执行权限

CUDA和cuDNN的关系：

• CUDA是运算平台，是由NVIDIA推出的通用并行计算架构
• cuDNN是用于深度神经网络的GPU加速库.可以集成到Tensorflow、caffe中
• 想要在CUDA上运行深度神经网络，就要安装cuDNN
• 更多解释和细节可以参考 https://www.cnblogs.com/marsggbo/p/11838823.html

安装Tensorflow-gpu版

直接可以用pip3安装, 注意环境问题

sudo pip3 install tensorflow-gpu==1.10.0 #建议指定版本安装,注意加上sudo. 

验证安装信息

查看cuda版本:

1. 通过cat版本文件进行查看

cat /usr/local/cuda/version.txt

2. 通过nvcc命令查看

nvcc -V

查看cuDNN版本:

1. 通过cat头文件内容并grep版本信息

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2