Ubuntu16.04.5 配置英偉達NVIDIA 顯卡 驅動實現GPU加速

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