Ubuntu 下安裝CUDA(安裝:NVIDIA-384+CUDA9.0+cuDNN7.1)
(安裝:NVIDIA-384+CUDA9.0+cuDNN7.1)
顯卡(GPU)驅動:NVIDIA-384
CUDA:CUDA9.0
cuDNN:cuDNN7.1
Ubuntu 下安裝CUDA需要裝NVIDIA驅動,首先進入NVIDIA官網,然後查詢對應NVIDIA驅動是否支持你電腦的型號。
這裏我的電腦是:華碩F450J ,自帶的NVIDIA GEFORCE 745。
第一步、安裝NVIDIA GPU驅動
去NVIDIA官網查詢是否支持我電腦的GPU如下
可以看出:GeForce 700M Series (Notebooks):
GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GT 755M, GeForce GT 750M, GeForce GT 745M
GeForce GT 745M為我電腦的型號,所以version:390.48是支持我的NVIDIAGPU驅動的。
所以第二部我們安裝NVIDIA DISPLAY DRIVER version:390.48 執行如下代碼:
第一部分:安裝後續步驟或環境必需的依賴包
1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler2 3 sudo apt-get install --no-install-recommends libboost-all-dev 4 5 sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev 6 7 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 8 9 sudo apt-get install git cmake build-essential
輸入以下代碼輸出如下信息則表示依賴環境安裝成功
code:
1 sudo apt-get install git cmake build-essential
顯示:
1 Reading package lists... Done 2 Building dependency tree 3 Reading state information... Done 4 build-essential is already the newest version (12.1ubuntu2). 5 cmake is already the newest version (3.5.1-1ubuntu3). 6 git is already the newest version (1:2.7.4-0ubuntu1.3). 7 0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded.
表示依賴環境安裝成功
第二部分:安裝顯示驅動
去官網下載NVIDIA的顯卡(GPU)驅動然後運行。或者直接終端上運行,執行如下代碼。
sudo apt-get update sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-384 sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev
執行結束後,重新啟動系統
sudo reboot #或者sudo shutdown -r now
開機後檢測是否安裝顯示驅動成功
nvidia-settings #或者直接點擊dash開始界面輸入NVIDIA查看
顯示如下信息表示安裝成功
配置環境變量
sudo gedit ~/.bashrc
在.bashrc中加入如下兩行
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
第二步、安裝NVIDIA CUDA
第一部分、先進入NVIDIA官網的CUDA Toolkit 下載界面
如下圖所示,下載CUDA Toolkit
註意:這個地方的提示,要安裝這個CUDA Toolkit 9.1,需要先安裝至少NVIDIA DISPLAY DRIVER R390 版本3.90以上。
CUDA Toolkit
下載好CUDA Toolkit9.1後,執行如下代碼進行安裝(此處不需要安裝OPGL),代碼如下:
1 sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs #run文件的文件名根據自己下的文件名修改,默認是我提供的文件
輸出顯示:
1 Do you accept the previously read EULA? 2 accept/decline/quit: accept 3 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? 4 (y)es/(n)o/(q)uit: n 5 Install the CUDA 9.0 Toolkit? 6 (y)es/(n)o/(q)uit: y 7 Enter Toolkit Location 8 [ default is /usr/local/cuda-9.0 ]: 9 Do you want to install a symbolic link at /usr/local/cuda? 10 (y)es/(n)o/(q)uit: y 11 Install the CUDA 9.0 Samples? 12 (y)es/(n)o/(q)uit: y 13 Enter CUDA Samples Location 14 [ default is /home/pertor ]: 15 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 16 Missing recommended library: libXmu.so
添加環境變量:
sudo gedit ~/.bashrc export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH source ~/.bashrc
驗證CUDA9.0是否安裝成功
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
輸出如下信息表示成功安裝
./deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GT 740M" CUDA Driver Version / Runtime Version 8.0 / 8.0 CUDA Capability Major/Minor version number: 3.5 Total amount of global memory: 2004 MBytes (2100953088 bytes) ( 2) Multiprocessors, (192) CUDA Cores/MP: 384 CUDA Cores GPU Max Clock rate: 1032 MHz (1.03 GHz) Memory Clock rate: 800 Mhz Memory Bus Width: 64-bit L2 Cache Size: 524288 bytes Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
第三步、安裝NVIDIA cuDNN
登錄官網下載cuDNN
這個需要申請賬號,註冊後進入官網,如下圖所示
cuDNN 的全稱是 The NVIDIA CUDA? Deep Neural Network library,是專門用來對深度學習加速的庫,它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度學習的加速優化,目前最新版本是 cuDNN 7.1,接下來我們來看下它的安裝方式。
下載鏈接:https://developer.nvidia.com/rdp/cudnn-download,需要註冊之後才能打開,這裏我們選擇 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0,然後選擇 cuDNN v7.1.1 Library for Linux,如圖所示:
下載下來之後解壓安裝,執行如下步驟:
1 tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz 2 sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 3 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d 4 sudo chmod a+r /usr/local/cuda/include/cudnn.h 5 sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
執行完如上命令之後,cuDNN 就安裝好了,這時我們可以發現在 /usr/local/cuda/include 目錄下就多了 cudnn.h 頭文件。
終端中執行nvcc -V 顯示如下信息則表示成功
nvcc -V pertor@pertor-computer:~$ nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2017 NVIDIA Corporation Built on Fri_Sep__1_21:08:03_CDT_2017 Cuda compilation tools, release 9.0, V9.0.176
提示:
不建議安裝CUDA 9.1 ,建議安裝CUDA 9.0版本。CUDA 9.1裏面自帶387驅動,但是一般CUDA 9.1自帶的驅動一般很難安裝成功的,所以建議自己去單獨安裝384顯示驅動。並且官網提示CUDA9.1 需要的顯卡驅動必須至少是390以上版本,所以安裝了384顯卡驅動則需要安裝CUDA9.0。
為了保險起見我們應該裝CUDA 9.0和 nvidia-384這個版本。
Ubuntu 下安裝CUDA(安裝:NVIDIA-384+CUDA9.0+cuDNN7.1)