ubuntu從零開始搭建cuda環境（二）

cuda toolkit 與cudnn

前面我們已經成功安裝了Nvidia驅動程序，接着進行cuda和cudnn的安裝和配置

NVIDIA的顯卡驅動器與CUDA並不是一一對應的，CUDA本質上只是一個工具包而已，所以可以在同一個設備上安裝很多個不同版本的CUDA工具包，比如我的電腦上同時安裝了 CUDA 9.0、CUDA 9.2、CUDA 10.0三個版本。一般情況下，只需要安裝最新版本的顯卡驅動，然後根據自己的選擇選擇不同CUDA工具包就可以了，但是由於使用離線的CUDA總是會捆綁CUDA和驅動程序，所以在使用多個CUDA的時候就不要選擇離線安裝的CUDA了，否則每次都會安裝不同的顯卡驅動，這不太好，我們直接安裝一個最新版的顯卡驅動，然後在線安裝不同版本的CUDA即可。

所以 CUDA和顯卡驅動是沒有一一對應的

cuDNN是一個SDK，是一個專門用於神經網絡的加速包，注意，它跟我們的CUDA沒有一一對應的關係，即每一個版本的CUDA可能有好幾個版本的cuDNN與之對應，但一般有一個最新版本的cuDNN版本與CUDA對應更好。

所以 cuDNN與CUDA沒有一一對應的關係

 

cuda與cudnn下官網下載地址：

https://developer.nvidia.com/cuda-toolkit-archive

https://developer.nvidia.com/rdp/cudnn-archive

下載需要的版本即可（需要登錄再下載）

 

安裝cuda相關依賴包：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

安裝cuda

首先官網下載所需的cuda 版本

法一：

關閉圖形化界面

sudo service lightdm stop

或是

sudo telinit 3

再按Ctrl+Alt+F1進入tty界面

安裝

進入cuda下載文件夾

cd /home/Downloads

下載完成之後，給文件賦予執行權限：

chmod +x cuda_10.0.130_410.48_linux.run

執行安裝包，開始安裝：

./cuda_10.0.130_410.48_linux.run

開始安裝之後，需要閱讀說明，可以使用Ctrl + C直接閱讀完成，或者使用空格鍵慢慢閱讀。

（是否同意條款，必須同意才能繼續安裝）
accept/decline/quit: accept

（這裏不要安裝驅動，因爲已經安裝最新的驅動了，否則可能會安裝舊版本的顯卡驅動，導致重複登錄的情況）
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n

Install the CUDA 10.0 Toolkit?（是否安裝CUDA 10 ，這裏必須要安裝）
(y)es/(n)o/(q)uit: y

Enter Toolkit Location（安裝路徑，使用默認，直接回車就行）
 [ default is /usr/local/cuda-10.0 ]:  

Do you want to install a symbolic link at /usr/local/cuda?（同意創建軟鏈接）
(y)es/(n)o/(q)uit: y

Install the CUDA 10.0 Samples?（不用安裝測試，本身就有了）
(y)es/(n)o/(q)uit: n

Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...（開始安裝）

Driver ：Installed
Toolkit ：Installed in /usr/local/cuda-10.0
Samples ：Installed in /home/lihailin

重新啓動圖形化界面 sudo service lightdm start， Alt + ctrl +F7，返回到圖形化登錄界面，輸入密碼登錄。
如果能夠成功登錄，則表示不會遇到循環登錄的問題，基本說明cuda的安裝成功了。

法二：

直接安裝，命令行運行

sudo sh cuda_XXXX_linux.run

選擇與上方一致。

 

搭配環境（軟連接）

方法一：

終端輸入

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

方法二：

在vim ~/.bashrc的最後加上以下配置信息：

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

最後使用命令source ~/.bashrc使它生效。

可以使用命令nvcc -V查看安裝的版本信息：

test@test:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

驗證cuda是否安裝成功

執行以下幾條命令：

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
make
./deviceQuery

正常情況下輸出：

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce RTX 2070"
  CUDA Driver Version / Runtime Version          10.0 / 10.0
  CUDA Capability Major/Minor version number:    7.5
  Total amount of global memory:                 7950 MBytes (8335982592 bytes)
  (36) Multiprocessors, ( 64) CUDA Cores/MP:     2304 CUDA Cores
  GPU Max Clock rate:                            1620 MHz (1.62 GHz)
  Memory Clock rate:                             7001 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 4194304 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1024
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 3 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 10.0, NumDevs = 1
Result = PASS

cndnn的配置

進入官網https://developer.nvidia.com/rdp/cudnn-archive選擇相應的版本，

這裏選擇cuDNN Library for Linux

下載之後是一個壓縮包，如下：

cudnn-10.0-linux-x64-v7.6.3.30.tgz 

然後對它進行解壓，執行命令：

tar -zxvf cudnn-10.0-linux-x64-v7.6.3.30.tgz 

解壓後得到：

使用以下兩條命令複製這些文件到CUDA目錄下：

cp cuda/lib64/* /usr/local/cuda-10.0/lib64/
cp cuda/include/* /usr/local/cuda-10.0/include/

拷貝完成之後，可以使用以下命令查看CUDNN的版本信息：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如圖cudnn版本爲7.6.3。

至此完成安裝，後面可安裝對應的Pytorch或者tensorflow的GPU版本測試是否可以正常使用。

 

查看cuda版本指令

nvcc -V
nvcc -version

#cuda 版本
cat /usr/local/cuda/version.txt

# cd usr/local
stat cuda

查看cudnn版本：

# cudnn 版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

下一篇將介紹多版本cuda共存的配置安裝