Ubuntu16.04.5 配置英偉達NVIDIA 顯卡 驅動實現GPU加速
標籤(空格分隔): 運維繫列
- 一:系統環境初始化與系統包準備
- 二:安裝測試步驟
一:系統環境初始化與系統包準備
apt-get update
apt-get install vim openssh-server
準備系統所需要的安裝包
NVIDIA-Linux-x86_64-440.44.run
cuda_10.2.89_440.33.01_linux.run
二:安裝測試步驟
1.1 安裝Nvidia顯卡驅動
1. 到官網上下載自己GPU對應版本的顯卡驅動。
下載地址:https://www.nvidia.cn/Download/index.aspx?lang=cn
選擇你的顯卡驅動版本 點擊搜索下載即可
1.2 安裝NVIDIA-Linux-x86_64-440.44.run
屏蔽自帶的顯卡驅動
1) vim /etc/modprobe.d/blacklist.conf
2) 在最後一行加上:blacklist nouveau ,這裏是將Ubuntu自帶的顯卡驅動加入黑名單
3) 在終端輸入:update-initramfs –u,使修改生效
4 ) 從新啓動系統: reboot
5)打開終端輸入lsmod | grep nouveau,沒有輸出,則屏蔽成功
6 ) service lightdm stop
安裝 NVIDIA-Linux-x86_64-440.44.run
./NVIDIA-Linux-x86_64-440.44.run
1.3 安裝cuda_10.2.89_440.33.01_linux.run
1. 下載CUDA
下載地址:https://developer.nvidia.com/cuda-downloads
cuda_10.2.89_440.33.01_linux.run
./cuda_10.2.89_440.33.01_linux.run
配置環境變量
vim /etc/profile
----
到最後加上
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$PATH
----
source /etc/profile
測試是否安裝成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
make
./deviceQuery
1.4 安裝CuDNN
1. 下載
網址:https://developer.nvidia.com/rdp/cudnn-download
需要自己註冊用戶名與密碼登錄 才能下載
cudnn-10.2-linux-x64-v7.6.5.32.tgz
測試所需包
tar -zxvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
cd cuda/
cp include/cudnn.h /usr/local/cuda/include/
cp lib64/lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
驗證是否安裝成功
網址:https://developer.nvidia.com/rdp/cudnn-download
下載
libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig
dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.2_amd64.deb
cp -r /usr/src/cudnn_samples_v7/ /home/el/
cd /home/el/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
1.5 安裝anaconda3
Anaconda3-2019.10-Linux-x86_64.sh
chmod +x Anaconda3-2019.10-Linux-x86_64.sh
vim /etc/profile
------
增加
export PATH=/opt/anaconda3/bin:$PATH
------
conda -V
1.6 安裝opencv
1. 下載
網址:https://pypi.org/project/opencv-python/#files
因爲安裝的python是3.7的,所以opencv名字中要是"cp37"的。
想要安裝opencv3,所以名字中要爲opencv_python-3.****
我的系統是linux 64位的的,所以名字要是***linux1_x86_64**
軟件:
opencv_python-4.1.2.30-cp37-cp37m-manylinux1_x86_64.whl
pip install opencv_python-4.1.2.30-cp37-cp37m-manylinux1_x86_64.whl
conda list |grep opencv
1.7更新系統cmake版本
apt-get install cmake
cmake --version
在Ubuntu16.04默認安裝的cmake版本爲3.5.x,可通過一下命令,查看版本。
cmake --version
有時需要安裝高版本的cmake。
1.卸載舊版本
apt-get autoremove cmake
2.以安裝3.12.3版本爲例
$ sudo apt-get install build-essential
$ wget http://www.cmake.org/files/v3.12/cmake-3.12.3.tar.gz
3.解壓、安裝
$ tar xf cmake-3.12.3.tar.gz
$ cd cmake-3.11.3
$ ./configure
$ make
$ sudo make install
4.解決路徑問題
export PATH=/usr/local/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
cmake
5.查看,安裝成功
cmake --version
1.8 配置xgboost 支持
1. 下載源代碼
apt-get install git
git clone --recursive https://github.com/dmlc/xgboost
2. 編譯GPU共享庫
cd xgboost
mkdir build
cd build
cmake .. -DUSE_CUDA=ON
make -j
3. 安裝Python包
在xgboost根目錄下
cd python-package
sudo python3 setup.py install
測試GPU加速
python3 tests/benchmark/benchmark.py