发表更新TensorFlow8 分钟读完 (大约1274个字)

「TensorFlow」1. 安装 CUDA 和 cuDNN

简述：为了编译 TensorFlow C++，再次踩进 CUDA 之坑。这是一条不归路，但还是必须做个整理记录，因为这也许不是最后一次。


系统环境：

  • OS：Ubuntu 14.04.6 LTS x64 (trusty)
  • RAM：64 GB
  • GPU：GTX TITAN x 4

安装版本：

  • CUDA Toolkit：10.0
  • cuDNN：7.4.2

1 更新驱动

  1. 打开 ”附加驱动“ (Ubuntu 14.04 LTS)
    • Ubuntu-desktop + Ubuntu 主题：按 Win 键，搜索”附加驱动“
    • Ubuntu-desktop + Gnome 主题 ：左上角”应用程序“ -> 系统工具 -> 首选项 -> 附加驱动
  2. 选择驱动程序：
    • 选择 ”使用 NVIDIA binary driver - version 410.56 来自 nvidia-410 (开源) ”
    • 点击右下角“应用更改”
    • 等待完成驱动更新

update nvidia driver


2 默认安装位置

Component 默认安装位置
CUDA Toolkit /usr/local/cuda-10.0
CUDA Samples $(HOME)/NVIDIA_CUDA-10.0_Samples
cuDNN /usr/lib/x86_64-linux-gnu & /usr/include

3 安装 CUDA

  1. 验证是否安装 gcc

    1
    $ gcc --version

    如果输出如：

    1
    2
    Command 'gcc' not found, but can be installed with:
    sudo apt install gcc

    则意味着当前主机尚未安装 gcc，需运行以下指令进行安装：

    1
    2
    $ sudo apt update
    $ sudo apt install build-essential manpages-dev

  2. 下载

    下载地址：CUDA 10.0

    download cuda

  3. 安装

    • 首先，停用 gdm（Ubuntu 桌面环境），在命令行界面（ Ctrl + Alt + F1 ~ F6 ）或者远程连接（ SSH ）的命令行界面下进行指令输入

      1
      $ sudo service gdm stop

    • 随后，安装 CUDA 以及补丁包，按照命令行提示进行操作

      1
      2
      $ sudo sh cuda_10.0.xxx_xxx.xx_linux.run
      $ sudo sh cuda_10.0.xxx.x_linux.run

    • 最后，恢复桌面环境

      1
      $ sudo service gdm start

  4. 验证是否安装成功，共有三种方法：

    1
    $ nvcc -V

    输出应为：

    1
    2
    3
    4
    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

    1
    $ cat /proc/driver/nvidia/version
    输出应为： 
    1
    2
    NVRM version: NVIDIA UNIX x86_64 Kernel Module  418.56  Fri Mar 15 12:59:26 CDT 2019
    GCC version:  gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.4) 

    1
    $ cat /usr/local/cuda/version.txt

    输出应为：

    1
    CUDA Version 10.0.130

  5. 系统重启

    若出现异常，这里也许能有相似的情况。

  6. 检查
    检查设备文件 /dev/nvidia* 是否存在，且文件权限是否正确 (666)。通常情况下，这些文件会被需要用到 NVIDIA 驱动的应用程序 (如 CUDA 应用或 X server) 经由调用 nvidia-modprobe自动生成。

    但你也可以通过下面的脚本程序，手动创建这些文件。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    #!/bin/bash

    /sbin/modprobe nvidia

    if [ "$?" -eq 0 ]; then
      # Count the number of NVIDIA controllers found.
      NVDEVS=`lspci | grep -i NVIDIA`
      N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`
      NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`

      N=`expr $N3D + $NVGA - 1`
      for i in `seq 0 $N`; do
        mknod -m 666 /dev/nvidia$i c 195 $i
      done

      mknod -m 666 /dev/nvidiactl c 195 255

    else
      exit 1
    fi

    /sbin/modprobe nvidia-uvm

    if [ "$?" -eq 0 ]; then
      # Find out the major device number used by the nvidia-uvm driver
      D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`

      mknod -m 666 /dev/nvidia-uvm c $D 0
    else
      exit 1
    fi

  7. 配置环境变量

    1
    2
    3
    $ export PATH=/usr/local/cuda-10.1/bin:/usr/local/cuda-10.0/NsightCompute-2019.1${PATH:+:${PATH}}
    $ export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64\
                             ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    这样设置是临时性的，你可以将之复制到 ~/.bashrc 中，以达到永久设置的目的。


4 安装 cuDNN

  1. 下载

    下载地址：cuDNN 所有版本

    找到 Download cuDNN v7.4.2 (Dec 14, 2018), fro CUDA 10.0，下载三个 DEB 文件（cuDNN Runtime Library、cuDNN Developer Library、 cuDNN Code Samples and User Guide）

    download cudnn

  2. 安装

    1
    2
    3
    $ sudo dpkg -i libcudnn7_7.4.2.xx-1+cuda10.0_amd64.deb  // 运行时库
    $ sudo dpkg -i libcudnn7-dev_7.4.2.xx-1+cuda10.0_amd64.deb  // 开发者库
    $ sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb  // 代码案例和用户指南

  3. 验证

    1
    $ grep -i cudnn_major -A 2 /usr/include/cudnn.h

    输出应为：

    1
    2
    3
    4
    5
    6
    7
    #define CUDNN_MAJOR 7
    #define CUDNN_MINOR 4
    #define CUDNN_PATCHLEVEL 2
    --
    #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

    #include "driver_types.h"

5 问题与解决

  • 无限重复登陆；重启后黑屏，左上角有一下划线不断闪烁：

    解决方案：远程登录 (SSH) ，更新 GPU 驱动至更高版本

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    ssh NAME@IP -p 22
    ......
    ......

    $ ubuntu-drivers devices
    == /sys/devices/pci0000:00/0000:00:03.0/0000:03:00.0/0000:04:10.0/0000:05:00.0 ==
    vendor   : NVIDIA Corporation
    modalias : pci:vxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
    driver   : nvidia-418 - third-party free
    driver   : xserver-xorg-video-nouveau - distro free builtin
    driver   : nvidia-415 - third-party free
    driver   : nvidia-430 - third-party free recommended
    driver   : nvidia-384 - third-party non-free
    driver   : nvidia-410 - third-party free

    $ sudo apt install nvidia-xxx

    $ sudo reboot

  • 启动并登陆系统后只显示壁纸，无顶栏与左侧快捷栏

    解决方案有两种：

    1. 新建一个用户账号，注销当前账号，换用新账号登陆。原理未知。
    2. 换用系统主题 (Ubuntu -> 其他)。在刚启动系统，进行账号登录时，在登录按钮左边有一个齿轮状的按钮，点击一下你就了解了。

6 参考


7 系列

  1. 「TensorFlow」1. 安装 CUDA 和 cuDNN
  2. 「TensorFlow」2. 编译 TensorFlow C++

以上！


「TensorFlow」1. 安装 CUDA 和 cuDNN

https://alexinst.github.io/TensorFlow/installation-of-cuda-toolkit-and-cudnn/

作者

Alex

发布于

2019-10-22

更新于

2021-06-19

许可协议

#

评论

最新文章

×