Ubuntu从入门到精通——2 配置CUDA跑模型

发表于 | 更新于: | 分类于 |

前言

前言1

很早之前就装好Ubuntu双系统，在上面学过视觉SLEAM十四讲、CLion、CMAKE语法，编写过openCV、PCL、caffeCPU版等等，后来重装了Ubuntu18，前几天用Ubuntu18配置GPU版CUDA打算跑跑深度学习，一直没配置好，现在删除了Ubuntu18重新装回Ubuntu16。

前言2

现在我有台i5-8500+GTX1070Ti的台式，现在配置这个1070的设备。发现原来写的这个博文有些连接失效，一并修改。

Ubuntu16.04无法直接安装deb包问题

sudo apt-get install gdebi

要安装的包右键->打开方式->gdebi->安装软件包

Ubuntu16.04无法获得锁问题

方法一:（无效，但记录一下）

ps -e|grep apt
sudo kill ID

方法二:（粗暴有效）
无法获得锁/var/lib/dpkg/lock-open

sudo rm /var/cache/apt/archives/lock
sudo rm /var/lib/dpkg/lock

无法获得锁/var/lib/apt/lists/lock-open

sudo dpkg –configure -a
sudo rm /var/lib/apt/lists/lock（有效）

ubuntu换源

step1：编辑/etc/apt/sources.list文件

sudo gedit /ect/apt/sources.list
//源地址： https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/

step2：更新

sudo apt-get update
sudo apt-get upgrade

安装nvidia显卡驱动

显卡驱动可参考如何安装NVIDIA显卡驱动
step1：查看显卡设备和驱动

ubuntu-drivers devices

step2：自动安装合适的显卡驱动

sudo ubuntu-drivers autoinstall

  • 安装完成后要重启生效

衡量nvidia显卡驱动安装是否成功
1、终端中确认

nvidia-smi

2、设置->详细信息->About
3、软件中搜索‘nvidia setting’->Prime profiles

nvidia驱动与CUDA TOOKit工具对应关系

驱动与CUDA对应关系
给出参考网址CUDA RELEASE NOTES
-由于我电脑nvidia-smi显示的是384.130，对照表所以我只能选Cuda9.0.76版本。
-当前我台式nvidia-smi显示的是390.77，对照表我可以安装CUDA 9.1（9.1.85）

CUDA官网查询CUDA Toolkit相关信息

英伟达官方文档CUDA Toolkit Archive->安装指南中有对应工具版本后面的Online Documentation中的安装指南推荐看看，网上的中文教程应该就是按照这个来的。

CUDA Toolkit 包括：NVCC编译器、CUDA函数头文件及库文件，及一些辅助库
CUDA Toolkit SDK 提供CUDA分析接口函数（帮助用户分析CUDA程序）
CUDA Toolkit获取CUDA Toolkit Archive

CUDA Archive获取CUDA cuDNN Archive

注意CUDA cuDNN与CUDA Toolkit 之间的对应关系

CUDA安装指南中CUDA9.1与Linux分发版本支持：
CUDA安装指南中CUDA9.1与Linux分发版本支持Ubuntu18.04默认GCC-7.3.0.由于CUDA未支持GCC-7，所以需要安装低版本的5或者<=6.3.0的版本，并且设置未默认版本

查看gcc版本

gcc –version
g++ –version

gcc/g++降级

step1：下载安装gcc-6 g++-6：

sudo apt-get install gcc-6 g++-6

step2：链接实现gcc/g++降级：

cd /usr/bin
sudo rm gcc
sudo ln -s gcc-6 gcc
sudo rm g++
sudo ln -s g++-6 g++
step3:检查调整后gcc/g++版本
gcc –version
g++ –version

注意：我这样装的gcc/g++-6最后的版本是6.5.0😮很是吃惊，但是发现可以装

安装CUDA Toolkit

安装CUDA

参照对应版本的说明文档即可

sudo sh cuda_10.0.130_410.48_linux.run

补丁也按照上述命令安装
注意：出现 更多 点q accept 驱动不装 其余yes

安装CUDA过程中出现的问题

1、发现提示sample、tookit已经安装成功但是缺少一些库,提示如下：

Driver: Not Selected
Tookit: Installed in /usr/local/cuda9.1
Samples:Installed in /home/用户,but missing recommended libraries

解决方法：添加库

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

参考连接-CUDA9.1、cuDNN7在Ubuntu16.04上的安装

记着安装完补丁

CUDA安装完成后配置环境

CUDA安装完成提示
配置环境
step1:打开profile文件

sudo gedit /etc/profile

step2:打开文件后在文件末尾添加路径(安装目录)

export PATH=/usr/local/cuda-9.1/bin:\$PATH(\转义)
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64$LD_LIBRARY_PATH
source /etc/profile//使修改立即生效

step3:

sudo gedit ~/.barshrc

添加

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

sudo ldconfig//重启生效

阅读安装完的summary也可知道

重启
>sudo reboot

##检查cuda是否安装成功

1、检测路径~/dev下有无存在名为nvidia*的多个文件，若无安装出错

ls /dev | grep nvidia*

2、检查CUDA Toolkit是否安装成功

nvcc -V（大V）

3、编译samples例子

进入Samples安装目录(就是家目录)，然后在该目录下

make -j4

在/home/用户/NVIDIA_CUDA_9.1_Samples/bin/x86_64/linux/release/运行deviceQuery程序

sudo ./deviceQuery

Pass表示通过

sudo ./bandwidthTest

Pass表示通过

安装cuDNN

应该看官方说明文档，我偷懒了
查询显卡计算能力CUDA-GPU
安装方法应该是先查询自己电脑的计算能力，然后确定cudnn版本，然后确定对应的cuda版本
cuDNN下载连接

参考连接-最正确的姿势安装cudnn

确定cuDNN对应的版本

我安装的是cuda_9.1.85_387.26_linux.run
所以下载的cuDNN是：Download cuDNN v7.1.3 [April 17,2018],for CUDA 9.1->cuDNN v7.1.3 Library for Linux
(具体我也不知道cudnn该怎么选择😭不知道cudnn的选择与cuda安装版本间关系，也不知道cuDNN下载时是该选Library for linux还是Library for Ubuntu😵)

解压cudnn压缩包，执行或参考下面命令

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.1/include
sudo cp cuda/lib64/libcudnn /usr/local/cuda-9.1/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn

配置cuDNN安装环境

step1：

sudo gedit ~/.bashrc

step2:

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda-9.1/lib64:/usr/local/cuda-9.1/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda-9.1
export PATH=”$CUDA_HOME/bin:$PATH”

##验证cuDnn安装成功否
cudnn官方说明文档(cuDNN Developer Guide)中指出cudnn加速要求计算能力在3.0以上，所以我的凉了~
官方文档(cuDnn inatall Guide)指出了deb方式下的验证方式，直接照着做就行，现我说明Ubuntu下的验证方式：

下载mnistCUDNNcudnn_samples_v7

cd cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

运行测试出错：
If you’re trying to test your CUDA Toolkit 8.0 and cuDNN v6.0 installation (for TensorFlow), and mnistCUDNN gives you the following error:
cuDNN出错图
…that’s due to corrupted cache, which you can fix by deleting it:

sudo rm -rf ~/.nv/
./mnistCUDNN

然后就会输出成功结果。

上述参考连接

最后说明

1、cuDnn加速只支持GPU计算能力在3.0以上的GPU加速（这一点cudnn官方文档中也有指出）；
2、cuDnn(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库，如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

支持我吧