Ubuntu14.04安裝Nvidia顯卡驅動+cuda8.0+cudnn5.1+tensorflow

Ubuntu14.04安裝Nvidia顯卡驅動+cuda8.0+cudnn5.1+tensorflow

初始環境:
系統:ubuntu14.04 LTS
顯卡:
雙顯,Intel+Nvidia gtx1050。Intel用於顯示,之前沒有使用過Nvidia這塊獨顯。
python 2.7 + python 3.4
顯卡驅動的安裝有多種方法,這裏我們採用run文件安裝。

Nvidia驅動安裝

  • 首先查看並刪除已有的顯卡驅動:
sudo apt-get purge nvidia*
  • 禁用自帶的 nouveau nvidia驅動 (important!)
    創建一個文件 通過命令
sudo vim /etc/modprobe.d/blacklist-nouveau.conf

並添加如下內容:

blacklist nouveau
options nouveau modeset=0

再更新一下

sudo update-initramfs -u

修改後需要重啓系統。使用命令:

lsmod | grep nouveau

確認下Nouveau是已經被你幹掉,如果終端沒有輸出則表示禁用成功。

  • Nvidia官網下載驅動

官網

輸入自己的顯卡型號後下載*.run文件。放到用戶目錄下。

  • 安裝驅動
    進入命令行界面:Ctrl-Alt+F1
    關閉X-window
    sudo service lightdm stop
    給驅動run文件賦予執行權限
    sudo chmod a+x NVIDIA-Linux-x86_64-****.run
    安裝(注意 參數)
    sudo ./NVIDIA-Linux-x86_64-****.run –no-opengl-files
    –no-opengl-files 只安裝驅動文件,不安裝OpenGL文件。這個參數最重要
    –no-x-check 安裝驅動時不檢查X服務
    –no-nouveau-check 安裝驅動時不檢查nouveau 
後面兩個參數可不加。
    重新啓動X-window:
    sudo service lightdm start
    然後Ctrl+Alt+F7進入圖形界面
    重啓

如果無法進入圖形界面,則ctrl+alt+F1進入命令行界面,將驅動刪除再重新安裝一遍。

sudo ./NVIDIA-*****.run uninstall

成功進入圖形界面後,終端運行

nvidia-sim

如果輸出顯卡信息,則表示驅動安裝成功。

cuda安裝

這裏我們採用run文件安裝方法。

  • 首先,檢查自己的GPU是否是CUDA-capable。去CUDA的官網查看自己的GPU版本是否在CUDA的支持列表中
  • 檢查自己的Linux版本是否支持 CUDA(Ubuntu 14.04沒問題)
  • 檢查自己的系統中是否裝了gcc
    在終端中輸入: $gcc –version 可以查看自己的gcc版本信息
  • 檢查是否安裝了kernel header和 package development
    在終端中輸入:
    uname –r
    在終端中輸入:
    sudo apt-get install linux-headers-$(uname-r)
    可以安裝對應kernel版本的kernel header和package development

以上檢查我的電腦系統都滿足要求,如果沒有滿足要求的話,可以參考cuda的官方文檔,裏面有詳細的針對每個問題的解決方案。

  • 下載run file文件
    cuda官網下載地址:
    https://developer.nvidia.com/cuda-downloads
    選擇自己相應的版本下載,大約1.4G。
  • 安裝
    進入命令行界面:
    Ctrl-Alt+F1
    關閉X-window
    sudo service lightdm stop
    切換到cuda runfile文件的保存路徑。給下載的runfile文件賦予執行權限
    sudo chmod a+x cuda_8.0.61_375.26_linux.run
    運行安裝。注意,提示是否安裝openGL files時選擇no,提示是否安裝驅動時選擇no。
    sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
    等待安裝完成。出現以下語句時,表示安裝結束。
    Driver :Installed
    Toolkit :Installed in /usr/local/cuda-8.0
    Samples :Installed in /home/zlin
    重啓圖形界面
    sudo service lightdm start
    Alt + ctrl +F7,返回到圖形化登錄界面,輸入密碼登錄。

倘若沒有遇到循環登錄的問題,基本說明cuda的安裝成功了!!!!
如果遇到循環登錄的問題,與前面驅動安裝時一樣,將驅動重新安裝一遍即可。

  • 重啓電腦。檢查Device Node Verification
    檢查路徑/dev下 有無存在名爲nvidia*(以nvidia開頭)的多個文件(device files) 
如果沒有的話,可以參考官方文檔裏的指導步驟,進行添加。

  • 設置環境變量
    終端中輸入
    $ sudo gedit /etc/profile
    
在打開的文件末尾,添加以下兩行。

    export PATH=/usr/local/cuda-7.5/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64

然後重新加載環境變量
sudo source /etc/profile

  • 安裝完畢後的檢查工作
    a): 檢查 NVIDIA Driver是否安裝成功
    終端輸入 :
    $ cat /proc/driver/nvidia/version
    會輸出NVIDIA Driver的版本號
    b): 檢查 CUDA Toolkit是否安裝成功
    終端輸入 :
    $ nvcc –V
    會輸出CUDA的版本信息
    c): 嘗試編譯cuda提供的例子
    切換到例子存放的路徑,默認路徑是
    ~/NVIDIA_CUDA-7.5_Samples 
(即/home/xxx/ NVIDIA_CUDA-7.5_Samples, xxx是你自己的用戶名)
    然後終端輸入:$ make
    如果出現錯誤的話,則會立即報錯停止,否則會開始進入編譯階段。 
我的第一次運行時出現了報錯,提示的錯誤信息是系統中沒有gcc 
然後在終端運行 $ sudo apt-get install gcc
    安裝完gcc後 再make就正常了 
整個編譯的時間持續比較長,耐心等待,大概十幾分鍾是需要的。
    d):運行編譯生成的二進制文件。
    編譯後的二進制文件 默認存放在~/NVIDIA_CUDA-7.5_Samples/bin中。
    
切換路徑 :
    cd ~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release
    
終端輸入 :$ ./deviceQuery
    看到類似如下圖片中的顯示,則代表CUDA安裝且配置成功(congratulation!!)
    這裏寫圖片描述
    再檢查一下系統和CUDA-Capable device的連接情況 

    終端輸入 :$ ./sandwidthTest 
看到類似如下圖片中的顯示,則代表成功 

    這裏寫圖片描述

至此,cuda8.0安裝成功。

CUDNN安裝

下載cuDNN v5.1 Library for Linux.
https://developer.nvidia.com/cudnn

下載完cudnn5.1之後進行解壓,cd進入cudnn5.1解壓之後的include目錄,在命令行進行如下操作:

sudo cp cudnn.h /usr/local/cuda/include/    #複製頭文件

再將cd進入lib64目錄下的動態文件進行復制和鏈接:

sudo cp lib* /usr/local/cuda/lib64/    #複製動態鏈接庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #刪除原有動態文件
sudo ln -s libcudnn.so.5.0.10 libcudnn.so.5  #生成軟銜接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成軟鏈接

如果以後要換cuDNN的版本,照着上述步驟重裝一遍即可。

安裝tensorflow

sudo pip3 install tensorflow-gpu=1.2.1
因爲我要學習的google nmt神經機器翻譯模型需要tf的版本>=1.2.1,因此我安裝的版本是1.2.1。大家根據自己的需要來安裝相應的版本。

檢查tensorflow是否安裝成功:

python3
import tensorflow as tf
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章