Ubuntu18.04下CUDA10.x和TensorFlow1.x環境搭建(2019.7重編版)

Mac和Ubuntu下修改pip源和TensorFlow(CPU)安裝

若是圖片沒法查看, 能夠查看某hub或某書

---

目錄

• 前言
• 開發環境一覽
• 顯卡驅動安裝

• 下載驅動
• 禁用nouveau
• 安裝驅動

• 安裝CUDA 10.x

第一個CUDA程序

• 安裝cudnn7.x
• 安裝TensorFlow1.x
• 最後

---

前言

其實主要是CUDA的安裝, 別的都很簡單.

---

開發環境一覽

• CPU: Intel® Xeon(R) CPU E5-2696 v3
• GPU: NVIDIA GTX 1080Ti
• OS: Ubuntu 18.04.2 LTS 64位

用指令看下英偉達顯卡:

lspci | grep -I nvidia
複製代碼

當你搭建完成環境以後, 能夠用官方案例查看硬件信息, 個人GPU信息顯示以下圖, 這張表的參數在後續的並行算法設計中是頗有用的:

---

顯卡驅動安裝

這步其實能夠跳過, CUDA包裏面帶了驅動, 可是我仍是給出流程. 注意禁用nouveau這一步仍是要的.

最好不要用Ubuntu附加驅動裏提供的顯卡驅動. 可能會遇到一些奇怪的問題, 固然, 錦鯉是不會出問題的(手動滑稽). 這是第一個坑點, 大致有三種展示方式:

• 裝完重啓進不去系統, 卡住ubuntu加載頁面;
• 無限登陸;
• 裝好了, 進入了系統, 而後輸入nvidia-smi指令沒有任何反應. 正常狀況會彈出一張表, 以下所示:

---

下載驅動

個人實操: 首先到官網下載顯卡驅動, 比方說我是GTX 1080Ti, 操做系統是64位Linux, 我就找對應的版本進行下載.

刪掉以往的驅動. 注意, 就算你啥都沒裝, 這步也是無害的.

sudo apt-get remove --purge nvidia*
複製代碼

安裝驅動須要的庫:

sudo apt-get update
sudo apt-get install dkms build-essential linux-headers-generic
複製代碼

驅動安裝可能須要的庫:

sudo dpkg --add-architecture i386
sudo apt update
sudo apt install libc6:i386
複製代碼

安裝CUDA須要的庫:

sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
複製代碼

---

禁用nouveau

打開blacklist.conf, 在最後加入禁用nouveau的設置, 這是一個開源驅動, 如圖所示:

sudo vim /etc/modprobe.d/blacklist.conf
複製代碼

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
複製代碼

禁用nouveau內核模塊

echo options nouveau modeset=0
sudo update-initramfs -u
複製代碼

重啓. 若是運行以下指令沒用打印出任何內容, 恭喜你, 禁用nouveau成功了.

lsmod | grep nouveau
複製代碼

---

安裝驅動

來到tty1(快捷鍵ctrl + alt + f1,若是沒反應就f1-f7一個個試, 不一樣Linux, 按鍵會略有不一樣). 運行以下指令關閉圖形界面. 我在ubuntu 18.04 LTS是ctrl + alt + f3-f6.

而後注意, 如下指令適用於16.04及之前.

sudo service lightdm stop
複製代碼

這不適用於18.04. 18.04能夠以下操做:

• 關閉用戶圖形界面

sudo systemctl set-default multi-user.target
sudo reboot
複製代碼

• 開啓用戶圖形界面

sudo systemctl set-default graphical.target
sudo reboot
複製代碼

安裝驅動, 注意有坑, 必定要加**-no-opengl-files**, 不加這個就算安裝成功, 也會出現無限登陸問題. 可是在最近幾回安裝環境的時候, 例如系統是18.04, 驅動是418.43, 這個參數變得無效. 因此若是不能開啓安裝頁面, 能夠去掉此參數.

sudo chmod u+x NVIDIA-Linux-x86_64-390.87.run 
sudo ./NVIDIA-Linux-x86_64-390.87.run –no-opengl-files
複製代碼

若是你已經裝了, 可是沒有加**-no-opengl-files**, 按照以下操做能夠救一下. 或者你安裝失敗了, 有些庫缺乏了之類的, 能夠用如下命令卸載乾淨重來.

sudo ./NVIDIA-Linux-x86_64-390.87.run –uninstall
複製代碼

順帶一提, 可能會彈出Unable to find a suitable destination to install 32-bit compatibility libraries on Ubuntu 18.04 Bionic Beaver Linux的bug, 而後你須要下面三條指令:

sudo dpkg --add-architecture i386
sudo apt update
sudo apt install libc6:i386
複製代碼

而且中途的選項都選no比較好, 指不定卡死在安裝哪一個奇怪的東西上.

重啓. 用nvidia-smi指令試一下, 若是看到相似下圖, 恭喜你, 驅動安裝成功. 或者看到附加驅動顯示繼續使用手動安裝的驅動.

安裝以後在軟件和更新當中會顯示繼續使用手動安裝的驅動. 固然了, 我通常都是ssh訪問, 不怎麼看界面的.

---

安裝CUDA 10.x

到官網下載要的CUDA版本, 我這裏是10.0, 下載runfile(local)版本, 以下圖所示:

md5檢測一下, 不合格要從新下載. 下圖是個人檢測結果:

md5sum cuda_10.0.130_410.48_linux.run
複製代碼

再次關閉圖形界面

sudo service lightdm stop
複製代碼

這不適用於18.04. 18.04能夠以下操做:

• 關閉用戶圖形界面

sudo systemctl set-default multi-user.target
sudo reboot
複製代碼

安裝時候依舊要加**-no-opengl-files**參數, 以後一路默認就好. 最好不要安裝與OpenGL相關的.

sudo sh cuda_10.0.130_410.48_linux.run
複製代碼

而後會看到三個installed.

添加環境變量

vim ~/.bashrc
複製代碼

最後寫入:

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

保存退出, 並其生效.

source ~/.bashrc
複製代碼

運行一些檢測命令, 若是和我顯示的相似, 恭喜你, 環境配置完成. 能夠跑一下英偉達提供的學習案例:

cat /proc/driver/nvidia/version
複製代碼

nvcc -V
複製代碼

---

第一個CUDA程序

除了官方案例, 能夠本身寫代碼查看設備信息:

vim Device.cu
複製代碼

#include <stdio.h>
int main() {
        int nDevices;

        cudaGetDeviceCount(&nDevices);
        for (int i = 0; i < nDevices; i++) {
                cudaDeviceProp prop;
                cudaGetDeviceProperties(&prop, i);
                printf("Device Num: %d\n", i);
                printf("Device name: %s\n", prop.name);
                printf("Device SM Num: %d\n", prop.multiProcessorCount);
                printf("Share Mem Per Block: %.2fKB\n", prop.sharedMemPerBlock / 1024.0);
                printf("Max Thread Per Block: %d\n", prop.maxThreadsPerBlock);
                printf("Memory Clock Rate (KHz): %d\n",
                   prop.memoryClockRate);
                printf("Memory Bus Width (bits): %d\n",
                   prop.memoryBusWidth);
                printf("Peak Memory Bandwidth (GB/s): %.2f\n\n",
                   2.0 * prop.memoryClockRate * (prop.memoryBusWidth / 8) / 1.0e6);
        }
        return 0;
}
複製代碼

nvcc Device.cu -o Device.o && ./Device.o
複製代碼

---

安裝cudnn7.x

首先到官網去下載勾選的4個:

而後解壓tgz包, 複製文件到cuda環境, 接着安裝deb包.

tar -zxvf cudnn-10.0-linux-x64-v7.5.0.56.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda10.0_amd64.deb
複製代碼

這樣就完成安裝了, 用個小栗子來測試下吧, 結果如圖示:

cp -r /usr/src/cudnn_samples_v7/ ~ && cd ~/cudnn_samples_v7/mnistCUDNN
make clean && make && ./mnistCUDNN
複製代碼

---

安裝TensorFlow1.x

注意TF要求GPU算力在3.5以上, 能夠去英偉達官網查看本身筆記本的算力, 固然了, 你用CPU也行的.

sudo apt-get install python-pip python3-pip python-dev
sudo pip3 install tensorflow-gpu
複製代碼

最後我給出一個測試例子:

#!/usr/bin/python3

import tensorflow as tf
# Just disables the warning, doesn't enable AVX/FMA
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

hello = tf.constant("Hello, tf!")
sess = tf.Session()
printf (sess.run(hello))
複製代碼

---

最後

關於CPU版本, 能夠參看Mac和Ubuntu下修改pip源和TensorFlow(CPU)安裝. 喜歡記得點贊哦, 有意見或者建議評論區見~