linux安装GPU显卡驱动、CUDA和cuDNN库

搞机器学习也有一段时间了,每次部署GPU开发环境就是一场战争,先记录一下基本步骤,结合网上资料和个人实践整理如下:

1、检查BIOS启动项,关闭一些选项

在开机启动项的Security选项中检查UEFI是否开启,如果开启的话请立马关掉它(重要)
在开机启动项的Boot选项中检查Secure Boot是否开启,如果开启的话请立马关掉它(重要)

2、安装相关依赖

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

如果有图形化界面则需要禁用x-window服务

sudo service lightdm stop
或
sudo /etc/init.d/lightdm stop

3、禁用 nouveau

安装好依赖包后需要禁用 nouveau,只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动,禁用方法就是在 sudo vim /etc/modprobe.d/blacklist.conf文件中添加一条禁用命令

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

执行如下命令:

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf build the new kernel by:

最后更新后重启电脑

sudo update-initramfs -u
reboot

4、查询NVDIA驱动

首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载:驱动文件后缀名应当是以.run结尾的。如显卡为GeForce GTX1060型号的驱动如下:
这里写图片描述
下载完后安装即可,之后就能用nvidia-smi命令了
这里写图片描述

5、安装CUDA库

进入 https://developer.nvidia.com/cuda-downloads,依次选择 CUDA 类型然后下载对应的CUDA即可,下面以CUDA8.0为例:
这里写图片描述
如果有图形化界面则需要禁用x-window服务
安装cuda驱动

sh cuda_8.0.61_375.26_linux.run

注:
这个时候会有很多提示需要你确认,由于在第一步已经成功安装了显卡驱动,所以这里就不需要再次安装了,因此 ,Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 3XX.XX ?这里选择 no,其余都是yes或者accept

在.bashrc添加环境变量后source .bashrc

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

6、验证CUDA是否安装成功

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

若看到类似以下信息则说明 cuda 已安装成功:
这里写图片描述

7、安装cuDNN

cuDNN是GPU加速计算深层神经网络的库。首先去官网 https://developer.nvidia.com/rdp/cudnn-archive下载cuDNN,需要注册一个账号才能下载。下载如下:
这里写图片描述

下载后进行解压:

tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz

进入cuDNN5.0解压之后的include目录,在命令行进行如下操作:

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

再将进入lib64目录下的动态文件进行复制和链接:

cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig
### 如何在 Linux 系统中安装 CUDA #### 准备工作 在开始之前,需要确认当前系统的硬件软件环境满足 NVIDIA 的官方要求。可以通过以下命令验证系统架构以及发行版信息: - 使用 `cat /proc/version` 命令来检查系统架构是否为 x86_64[^1]。 - 验证 GPU 是否已正确安装并加载驱动程序,可以运行 `nvidia-smi` 来获取显卡状态。 如果尚未安装 NVIDIA 显卡驱动,则需先完成该操作后再继续安装 CUDA 工具包。 #### 下载合适的 CUDA 版本 访问 NVIDIA 官方网站上的 CUDA Toolkit Archive 页面 (https://developer.nvidia.com/cuda-toolkit-archive)[^2] ,根据实际需求选择适合的操作系统版本、体系结构及具体组件形式(如 .deb 或 runfile)。对于 RHEL7.0 这样的 Red Hat 类型操作系统来说,通常推荐采用 Runfile 方式来进行手动配置与部署。 #### 执行安装过程 一旦选择了正确的安装文件类型之后,按照下面的方法执行具体的安装流程: 假设已经下载了一个名为 cuda_<version>_linux.run 的可执行脚本作为安装介质, 接下来按如下方式处理: ```bash sudo sh ./cuda_<version>_linux.run --override ``` 此命令将会启动交互式的设置向导,在其中可以选择要安装哪些部分(比如仅限开发还是连同样品一起),同时也会询问关于路径设定等问题,请依据个人偏好作答即可。 另外需要注意的是,在某些情况下可能还需要调整 LD_LIBRARY_PATH PATH 变量以便让新加入的内容生效: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 最后重启计算机使更改完全应用到整个环境中去。 #### 测试CUDA安装情况 为了确保一切正常运作,可以从 samples 文件夹里挑选一些简单的例子编译测试一下效果如何。例如 hello_cuda.cu 就是一个非常基础的例子用来检验基本功能是否可用。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值