配有Tesla K40c的服務器新裝Ubuntu16.04並安裝CUDA8.0、Anaconda三、Matlab2016a、OPENCV3.一、CuDNN5.一、MXNet

   注：本文原創，做者：Noah Zhang  (http://www.cnblogs.com/noahzn/)

 

    決定加入深度學習的大軍，感謝導師給配了臺新設備！第一次接觸服務器並配置開發環境，整個過程當中遇到很多坑，可是好在最後都成功解決了。不過有點擔憂的是，Tesla k40c 默認還要一個輔助供電，我目前只插了8pin的供電接口，6pin的供電接口沒插，不知道後續計算會不會受影響……內心怕怕的……

 

    首先報一下硬件配置：

        服務器：聯想TD350：

                   CPU：Intel® Xeon(R) CPU E5-2620 v4 @ 2.10GHz × 32 

                   內存：16G × 2條

                   硬盤：2TB

           顯卡：Tesla K40c

 

1、安裝Ubuntu16.04 LTS 64bit

    自行下載安裝程序iso文件，用ultraISO製做成優盤啓動盤。安裝。

 

2、安裝CUDA8.0

    Tesla K40c 是純計算卡，切換至這款顯卡後，沒法顯示GUI界面，按照同窗的說法「再裝塊其餘的獨顯做爲顯示」，雖然可行，可是白白浪費一塊獨顯。按照如下方法能夠作到平時顯示用Intel自帶集顯，運算時再切換至Tesla K40c。

1. 檢查是否正確識別顯卡：

    在Terminal中輸入：

lspci | grep -i nvidia

    顯示：

81:00.0 3D controller: NVIDIA Corporation GK110BGL [Tesla K40c] (rev a1)

 

2. 查看GCC安裝版本：

gcc --version

    顯示：

gcc (Ubuntu 5.4.0-6ubuntu1~16.04.4) 5.4.0 20160609 Copyright (C) 2015 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

 

3. 查看是否已有安裝的NVIDIA驅動：

    若是有，請卸載。本人的服務器是新的，因此木有安裝過。

lsmod | grep nvidia

 

4. 查看集顯驅動：

lsmod | grep nouveau

 

5. 下載CUDA8.0：

    去cuda官網下載對應版本的驅動，請下載.run格式的安裝文件，不要下載deb格式的！把安裝文件放在任意目錄下。

 

6. 禁用顯卡驅動：

    Ctrl + Alt + F1 進入tty1界面。

    關閉桌面服務：

sudo service lightdm stop

    把自帶顯卡驅動加入黑名單：

cd /etc/modprobe.d/

sudo touch blacklist-nouveau.conf sudo su root echo "blacklist nouveau">>blacklist-nouveau.conf echo "options nouveau modeset=0">>blacklist-nouveau.conf

    當即生效：

sudo update-initramfs -u

    重啓系統。

 

7. 安裝CUDA：

    再次進入tty1，並再次關閉桌面服務，找到剛纔存放.run安裝程序的路徑，安裝一下，後面跟上參數！！

sudo ./cuda_8.0.44_linux.run --no-opengl-libs

    按照提示，輸入yes或者回車，裝完後開啓桌面服務：

sudo service lightdm start

    重啓。

 

8. 後續配置：

2016年12月16日補充：ubuntu16.04下建立這個問題件後，開機會提示問題，而後會自動刪除這個文件，沒這個文件一切也挺正常的。。因此暫時能夠不用改這個文件了。

    建立 /etc/X11/xorg.conf 文件，內容以下：

Section "Device" 　　Identifier "intel" 　　Driver "intel" 　　BusID "PCI:0@0:2:0" 　　Option "AccelMethod" "SNA" EndSection

    打開文件 /etc/default/grub， 在 GRUB_CMDLINE_LINUX_DEFAULT 後增長一個參數： "nogpumanager"。

    當即生效：

sudo update-grub

 

9. 配置環境變量：

    /etc/profile文件最後增長兩行：

export PATH=$PATH:/usr/local/cuda-8.0/bin export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib

    個人CUDA裝在默認位置，若是你的不是，請自行修改上述路徑吧~

    當即生效：

source /etc/profile

 

10. 驗證安裝：

    終端輸入：

lsmod | grep nvidia

    顯示：

nvidia_drm             45056  0 nvidia_modeset 765952  1 nvidia_drm nvidia 11485184  1 nvidia_modeset drm_kms_helper 147456  2 ast,nvidia_drm drm 360448  6 ast,ttm,drm_kms_helper,nvidia_drm

    終端輸入：

nvcc -V

    顯示：

nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2016 NVIDIA Corporation Built on Sun_Sep__4_22:14:01_CDT_2016 Cuda compilation tools, release 8.0, V8.0.44

 

3、 安裝Anaconda3

    官網下載python3.5版本，cd到安裝程序目錄下執行：

sudo sh Anaconda3-4.2.0-Linux-x86_64.sh

    安裝過程當中提示要不要加入環境變量啥的，都選yes。

 

4、 安裝Matlab2016a

    下載好破解版的Matlab iso鏡像， cd到鏡像文件目錄下執行：

sudo mount -t iso9660 -o loop R2016a_glnxa64.iso /mnt cd /mnt ./install

    一開始輸入破解文件夾內的序列號，裝完之後，把破解文件夾內的兩個lib開頭的文件拷到 /usr/local/MATLAB/R2016a/bin/glnxa64/ 目錄下，注意操做權限。

    打開Matlab：

cd /usr/local/MATLAB/R2016a/bin ./matlab

    定位到破解文件夾內的lic文件。

 

    安裝一個插件：

sudo apt-get install matlab-support

    按照要求輸入matlab執行程序所在bin文件夾的上層目錄。

    之後就能夠直接在終端裏輸入 matlab 來啓動啦！

 

5、安裝OPENCV3.1

    先裝下各類可能用到的依賴庫吧：

sudo  apt-get update

sudo apt-get install build-essential

sudo apt-get install libopenblas-dev sudo apt-get install liblapack-dev sudo apt-get install libatlas-base-dev

sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

    安裝cmake、git，這裏還要安裝下cmake的gui程序，後續編譯opencv咱們在gui界面操做！

sudo apt-get install cmake git cmake-qt-gui

 

    下載opencv3.1源碼以及擴展包源碼：

cd /home/noah/
mkdir opencv
mkdir build cd opencv git clone https://github.com/Itseez/opencv.git
 git clone https://github.com/Itseez/opencv_contrib.git

     

    使用cmake-gui編譯至剛纔建立的build文件夾

    終端輸入：

cmake-gui

    配置方法能夠參考我在windows下編譯opencv的博文，主要看下anaconda這些有沒有被檢測到，還要在擴展包路徑裏選擇 /opencv_contrib/modules 文件夾。

    編譯好以後，終端進入build文件夾：

make -j16

    你們根據本身CPU狀況更改數字哦，make過程會好久，特別是到opencv_perf_stitch 和python3 這兩步時，估計要等四十分鐘………………完成後，安裝：

sudo make install

 

    安裝完後，檢測一下，終端輸入python，而後import cv2試試，若是出現說什麼libstdc++.so.6 有問題，軟鏈接一下：

sudo ln -sf /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21 /home/noah/anaconda3/lib/libstdc++.so.6

    同理，若是libgomp.so.1文件有問題，也軟鏈接一下：

sudo ln -sf /usr/lib/x86_64-linux-gnu/libgomp.so.1 /home/noah/anaconda3/lib/libgomp.so.1

    再import cv2就能夠咯~~~~

 

6、安裝CuDNN5.1

    去官網下載最新版本CuDNN5.1，tga格式。

    終端輸入：

tar -zxf cudnn-8.0-linux-x64-v5.1.tgz cd cuda/

sudo cp lib64/* /usr/local/cuda-8.0/lib64/ sudo cp include/cudnn.h /usr/local/cuda-8.0/include/

 

7、安裝MXNet

    下載mxnet：

git clone https://github.com/dmlc/mxnet.git ~/mxnet --recursive

    修改 /mxnet/make/config.mk，把USE_CUDNN=0、USE_CUDA=0 都改爲=1，而且指定CUDA路徑：/usr/local/cuda，在mxnet根目錄下編譯：

make -j16

    cd /mxnet/python 目錄，執行：

python setup.py install

    跑下示例程序吧~~ cd /mxnet/example/image-classification/，執行：

python train_mnist.py --gpus 0

    沒問題的話就OK啦！！

 

 

 

附：參考資料

http://www.cnblogs.com/muchong/p/6093328.html

https://my.oschina.net/u/1046919/blog/479947

http://www.cnblogs.com/gaowengang/p/6068788.html

http://mxnet.io/get_started/setup.html#installing-mxnet

http://jingyan.baidu.com/article/d45ad148a78cbe69552b8089.html