Deepin手札

关于显卡

1. 显卡切换：
   deepin15.7之后，系统提供了显卡驱动管理器，方便用户自由选择显卡使用方案，如下图
   
   我们在使用过程中，经常需要调用GPU，大黄蜂方案情况下，需要我们人工启动gpu或关闭
   在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch <<< ON，可开启显卡。
   在训练结束后，在终端输入sudo tee /proc/acpi/bbswitch <<< OFF，可关闭显卡。
   查看gpu信息：
   

2. cuda&cudnn安装
   上一步解决了显卡驱动问题，现在就需要安装cuda以及cudnn，以便后面调用gpu环境。
   （写在前面的废话：之前有试过从NVIDIA官网上下载cuda以及cudnn，然后手动安装，总是出现莫名其妙的问题，虽然网上也有帖子说明对应的情况，但是…经过多个回合后…qtmd!最优办法还是一条命令安装）

   • 安装cuda（默认安装源内最新的版本，目前9.1）
     sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

     查看当前cuda版本
     

   • 安装CUDNN和NCCL
     CUDA安装很容易，但是apt安装的CUDA是分散在/usr文件夹中各处的，而现在安装cudnn是需要指定CUDA的PATH，所以必须用软链接将CUDA的文件集合到一个文件夹内:

     1. 文件夹软链接

        sudo mkdir -p /usr/local/cuda /usr/local/cuda/extras/CUPTI /usr/local/cuda/nvvm
        sudo ln -s /usr/bin /usr/local/cuda/bin
        sudo ln -s /usr/include /usr/local/cuda/include
        sudo ln -s /usr/lib/x86_64-linux-gnu /usr/local/cuda/lib64
        sudo ln -s /usr/local/cuda/lib64 /usr/local/cuda/lib
        sudo ln -s /usr/include /usr/local/cuda/extras/CUPTI/include
        sudo ln -s /usr/lib/x86_64-linux-gnu /usr/local/cuda/extras/CUPTI/lib64
        sudo ln -s /usr/lib/nvidia-cuda-toolkit/libdevice /usr/local/cuda/nvvm/libdevice
        

        以上指令，将CUDA的文件集合到了/usr/local/cuda文件夹内

     2. 正式安装cudnn
        前往下载cuDNN，我下载的是7.1.3版本，记得下载for CUDA 9.1
        下载完之后解压，终端切换到解压出的文件夹中，依次输入以下命令将cuDNN安装到CUDA的安装目录：

        sudo cp include/* /usr/local/cuda/include/
        sudo cp lib64/libcudnn.so.7.1.3 lib64/libcudnn_static.a /usr/local/cuda/lib64/
        cd /usr/lib/x86_64-linux-gnu
        sudo ln -s libcudnn.so.7.1.3 libcudnn.so.7
        sudo ln -s libcudnn.so.7 libcudnn.so
        

        注意：其中涉及版本号信息，请具体操作时，对应自己文件夹内文件确认

     3. 安装NCCL
        接下来安装NCCL，从这里下载。我用的是NCCL 2.1.15 for CUDA 9.1，下载NCCL 2.1.15 O/S agnostic and CUDA 9。同样，下载后解压，终端切换到解压出的文件夹，依次输入以下命令：

        sudo mkdir -p /usr/local/cuda/nccl/lib /usr/local/cuda/nccl/include
        sudo cp *.txt /usr/local/cuda/nccl
        sudo cp include/*.h /usr/include/
        sudo cp lib/libnccl.so.2.1.15 lib/libnccl_static.a /usr/lib/x86_64-linux-gnu/
        sudo ln -s /usr/include/nccl.h /usr/local/cuda/nccl/include/nccl.h
        cd /usr/lib/x86_64-linux-gnu
        sudo ln -s libnccl.so.2.1.15 libnccl.so.2
        sudo ln -s libnccl.so.2 libnccl.so
        for i in libnccl*; do sudo ln -s /usr/lib/x86_64-linux-gnu/$i /usr/local/cuda/nccl/lib/$i; done
        

        注意：其中涉及版本号信息，请具体操作时，对应自己文件夹内文件确认

   3. 测试能否正常调用GPU
      接触深度学习多年，真心觉着tensorflow不是很友好，实际应用起来很很费劲，在此安利pytorch
      
      可以看见GPU正常使用
      参考链接：Deepin 安装tensorflow gpu亲测教程（适用于双显卡）

      参数说明（此图借用）
      

关于常用系统监控指令

• htop（后台进程监控）
  安装方法sudo apt install htop
  
• sensors（cpu温度监控）
  安装j方法

  	sudo apt-get install lm-sensors hddtemp
  	sudo sensors-detect
  	sensors
  

  
• 存储监控
  free -h