CentOS7.X安裝英偉達顯卡採坑之路

一、系統信息

操做系統版本：CentOS7.X

顯卡版本：英偉達 Tesla P100

其餘軟件包安裝信息：

• CUDA 9.0
• CUDNN 7.4.2.24
• lightgbm 2.2.X
• Boost 1.61
• CMake 3.12

特別說明，若是沒有在官網找到你的顯卡版本對應的驅動，請儘快尋找你的顯卡提供商確認驅動信息，不要輕易嘗試；那就是在浪費時間，切記！

二、安裝P100驅動

這裏安裝P100驅動的方式，經過Yum Rpm包的安裝方式，其餘相關的Linux系統能夠經過對應的包管理或者二進制的方式安裝，若是是CentOS系統，咱們很是推薦使用Yum進行安裝。

2.1 查看顯卡信息

咱們能夠經過查看pci的接口，確認顯卡信息，以及是否識別出顯卡，固然默認沒有這個工具，咱們須要安裝；安裝方式以下：

yum install pciutils -y

能夠經過過濾VGA來精確信息：

lspci|grep -i vga

2.2 安裝顯卡驅動

這裏咱們經過wget在線下載驅動，經過rpm安裝載入到系統中：

wget http://cn.download.nvidia.com/tesla/410.79/nvidia-diag-driver-local-repo-rhel7-410.79-1.0-1.x86_64.rpm
rpm -ivh nvidia-diag-driver-local-repo-rhel7-410.79-1.0-1.x86_64.rpm

在往下走以前咱們須要配置epel源，便於後面安裝dkms：

yum install epel-*

經過Yum安裝，目前這是最簡單的方式，若是你想挑戰也能夠採用二進制tarall的方式：

yum install dkms -y
yum install nvidia* -y

最後爲了生效，咱們須要重啓操做系統：

reboot

每每重啓後，你不肯定是否成功，那若是去查看信息呢，我推薦經過一下三個步驟：

lspci | grep -i nv         # 查看是否加載驅動配置
lsmod | grep -i nouveau    # 是否關閉了默認顯卡驅動
dmesg | grep NVRM          # 查看開啓加載是否有異常信息

到了這裏，成責成，不成你就要日誌了，別照着網上文章亂搞。

三、開發工具包安裝

只有驅動仍是不夠的，咱們換須要一個些工具包便於咱們使用，其中 CUDA、CUDNN就是咱們要安裝的包。

3.1 CUDA工具包安裝

導入官方CUDA包

rpm -ivh http://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-9.0.176-1.x86_64.rpm

經過Yum安裝便可

yum install cuda-9.0.176-1

咱們推薦不要安裝太新的，好多組件不必定可以支持。

查看版本技巧：yum search --showduplicates cuda

3.2 CUDNN安裝

PS：下載CUDNN，你可能須要一個會員，須要登陸纔可以下載

Download下載地址: https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.4.2/prod/9.0_20181213/cudnn-9.0-linux-x64-v7.4.2.24.tgz

上傳到服務器上後，解壓Copy對應的庫文件便可（這裏咱們默認你已經回上傳文件到服務之上）：

tar xf cudnn-9.0-linux-x64-v7.4.2.24.solitairetheme8 
cp cuda/include/cudnn.h /usr/local/cuda/include
cp -a cuda/lib/* /usr/local/cuda/lib64/

四、lightgbm安裝

這個安裝對於CentOS7的系統是很是坑的，必需要來編譯原聲的組件，編譯失敗的因素不少，你準備好了？

4.1 OpenGL安裝

安裝OpenGL，默認狀況下CUDA安裝時已經安裝，因此無需單獨安裝；（特別注意，有時候會遇到軟鏈接丟失形成找不到so庫文件），解決方法就是補全軟鏈接便可了。

PS：補全方式，相似常規方法，經過ln 命令模擬確實的so文件便可。

4.2 Boost安裝

安裝前，你須要安裝一些依賴，來保證後面的步驟可以順序執行（我並不能保證你按照個人方式必定會成功，但至少我成功了，若是出錯你須要詳細檢查報錯信息+你的機智來解決問題）

yum install wget gcc python python python-devel -y

安裝命令以下，你能夠直接Copy執行（在Root身份下）

cd /usr/local/src
wget https://sourceforge.net/projects/boost/files/boost/1.61.0/boost_1_61_0.tar.gz
tar xf boost_1_61_0.tar.gz 
cd boost_1_61_0
./bootstrap.sh --prefix=/usr/local/include/boost
./b2 install

咱們還須要安裝tools工具，放心這個不會報錯，錦上添花的功能：

cd tools/build/
./b2 install --prefix=/usr/local/include/boost

4.3 CMake安裝

沒有什麼特別好說的，常規操做（你在Root身份下直接複製便可）：

cd /usr/local/src
wget https://cmake.org/files/v3.12/cmake-3.12.0-rc1.tar.gz
tar -zxf cmake-3.12.0-rc1.tar.gz
cd cmake-3.12.0-rc1
./bootstrap
gmake -j $(nproc)
gmake install

檢查是否成功與查看版本：

cmake --version

4.4 正文lightgbm

PS：開始前，咱們認爲已經安裝了Python3的環境，固然Python2也是能夠的，不過你須要作好心理準備。

命令以下：建議Root用戶或等同權利的用戶執行

cd /usr/local/src/
git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM
mkdir build ; cd build
cmake -DUSE_GPU=1 ..
make -j 12
cd ../python-package/
python3 setup.py install

將so動態庫Copy到系統之中，自行操做，不在演示。

4.5 測試

安裝基礎測試數據包：

pip3 install wheel numpy scipy scikit-learn -U -i https://pypi.doubanio.com/simple

下載解析處理數據：

cd /usr/local/src
git clone https://github.com/guolinke/boosting_tree_benchmarks.git
cd boosting_tree_benchmarks/data
wget "https://archive.ics.uci.edu/ml/machine-learning-databases/00280/HIGGS.csv.gz"
gunzip HIGGS.csv.gz
python3 higgs2libsvm.py

PS: 這裏你可能會遇到xrange錯誤，由於Python3已經沒有xrange，這裏修改成range便可。

建立測試數據：

cat > lightgbm_gpu.conf <<EOF
max_bin = 63
num_leaves = 255
num_iterations = 50
learning_rate = 0.1
tree_learner = serial
task = train
is_training_metric = false
min_data_in_leaf = 1
min_sum_hessian_in_leaf = 100
ndcg_eval_at = 1,3,5,10
sparse_threshold = 1.0
device = gpu
gpu_platform_id = 0
gpu_device_id = 0
EOF
echo "num_threads=$(nproc)" >> lightgbm_gpu.conf

測試命令以下：

# Run of GPU
/usr/local/src/LightGBM/lightgbm config=lightgbm_gpu.conf data=higgs.train valid=higgs.test objective=binary metric=auc 
# Run of CPU
/usr/local/src/LightGBM/lightgbm config=lightgbm_gpu.conf data=higgs.train valid=higgs.test objective=binary metric=auc device=cpu

這裏能夠將生成的lightgbm命令與So文件Copy到系統之中方便後期使用。

五、小結

看到這裏說明你已經成功了，是否是很Easy，固然若是你沒搞定回頭看看錯誤信息；個人這個博文你不必定可以成功，至少我成功過了，切記不要根據網上的帖子亂搞。