Ubuntu 16.04 LTS + CUDA8.0 + cudnn6.0

本文主要是介绍Ubuntu 16.04 LTS + CUDA8.0 + cudnn6.0，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

简介
- GPU对比
- GPU浮点计算能力换算
安装
- 下载
- 准备
- 安装CUDA
- - 禁用 Nouveau 驱动
  - 进入文本模式
  - 执行安装
  - 添加环境变量
  - 加载新的环境变量
  - 查看CUDA设备
- 安装CUDNN
CUDA使用
- CUDA版本切换
问题与解决
- 循环进登录界面
- you appear to be running an x server please exit x before installing
- The driver installation is unable to locate the kernel
- NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver.

简介

本文记录本人安装CUDA的方法及过程中，以及出现的一些问题及解决办法。本人习惯于参考官方手册，这里主要参考 NVIDIA CUDA 官方手册进行安装，其中包含了CUDA开发的几乎所有文档手册，如何在 Linux 系统上的安装CUDA参见： CUDA Linux Inatallation。

通过阅读上述手册可知，Linux系统上CUDA的安装方式有两种：包管理器方式（.deb 文件) 和 RUN file安装（ .run 文件）。本文选择 run 格式安装，关于 deb 的安装请参考上述官方手册，或者本人另一篇博客 NVIDIA DIGITS 学习笔记（NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0），不过有点老了。

**参考手册: **

NVIDIA CUDA 官方手册
CUDA Linux Inatallation

软件环境：Ubuntu 16.04LTS
硬件环境：1080TI

您还可以参照企鹅饿饿饿的 Ububtu16.04+GTX1070深度学习小钢炮这篇文章 _,

GPU对比

RTX 3090 Benchmarks for Deep Learning – NVIDIA RTX 3090 vs 2080 Ti vs TITAN RTX vs RTX 6000/8000

GPU浮点计算能力换算

参考

Nvidia GPU的浮点计算能力(FP64/FP32/FP16)

理论峰值＝ GPU芯片数量*GPU Boost主频*核心数量*单个时钟周期内能处理的浮点计算次数

只不过在GPU里单精度和双精度的浮点计算能力需要分开计算，以最新的Tesla P100为例：

双精度理论峰值＝ FP64 Cores ＊ GPU Boost Clock ＊ 2 ＝ 1792 ＊1.48GHz＊2 = 5.3 TFlops

单精度理论峰值＝ FP32 cores ＊ GPU Boost Clock ＊ 2 ＝ 3584 ＊ 1.58GHz ＊ 2 ＝ 10.6 TFlops

安装

安装前请先参考注意事项部分…

下载

先给出下载链接：

CUDA
CUDNN

从这里选择操作系统并下载 run 格式的 CUDA开发套件，以及显卡驱动文件（一个文件，如：cuda_8.0.61_375.26_linux.run），如下图所示：

选择文件并下载CUDA

从这里下载CUDNN，如 cudnn-8.0-linux-x64-v6.0.tgz，并解压得到 cudnn-8.0-linux-x64-v6.0 文件夹，里面仅包含一个 cuda 文件夹。

准备

参考这里确认你的PC机上装有NVIDIA CUDA可计算显卡、支持的Linux版本系统、GCC等等。如果已确认，可飞过。

安装CUDA

禁用 Nouveau 驱动

执行 lsmod | grep nouveau 命令，无论输出什么，都说明nouveau驱动已加载，Ubuntu系统中，通过如下步骤禁用nouveau驱动。

创建 /etc/modprobe.d/blacklist-nouveau.conf 文件，输入如下内容并保存：

blacklist nouveau
options nouveau modeset=0

重新生成kernel initrd
终端执行： sudo update-initramfs -u

提示成功后，往下看…

进入文本模式

进入文本模式：快捷键 Ctrl + Alt + F1 ，输入用户名密码登录系统。再次确保 nouveau 驱动没有被加载（命令：lsmod | grep nouveau 什么也不输出代表已禁用）。
关闭X server服务： sudo service lightdm stop

执行安装

终端进入你下载的 run格式CUDA开发套件所在文件夹，执行该文件进行安装，命令示例如下，注意你的版本：

sudo sh cuda_<version>_linux.run
如：
sudo sh cuda_8.0.61_375.26_linux.run

在弹出的文本模式交互页面，按 Q 键退出文档查看，并根据提示输入 accept 接受协议。

之后根据自己需要，按提示设置，如安装路径等等。一般默认即可，但 注意: 安装过程中，不要选择OpenGL，否则会出现，循环进入登录界面 ，本人选择安装 CUDA Samples（建议安装，待会会借助它查看是否安装成功，及显卡信息），并安装在 Documents 文件夹下。

等待安装完成即可…

添加环境变量

注意：此环境变量为64位系统下的，32位的把lib64改成lib即可。

方式1，仅修改用户变量

# setting the environment variables so CUDA will be foundecho "\nexport PATH=/usr/local/cuda-8.0/bin:$PATH" >> ~/.bashrc
echo "\nexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc

方式2，修改所有用户变量

先使用sudo gedit /etc/profile打开“profile”文件，或者 sudo gedit ~/.bashrc 打开“./bashrc”文件，然后在打开的文件的末尾添加如下代码并保存：

# setting the environment variables so CUDA will be found
# After open profile, Add follow code at the end of file
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

加载新的环境变量

添加好环境变量后，需要加载新的环境变量，才能应用于系统。

加载更新环境变量 source ~/.bashrc（方式1），source /etc/profile 或 source ~/.bashrc（方式2）。或者重新打开终端，或者干脆重启系统 _.

**注：**如果你没有重启系统，还需要重启 X server 服务：sudo service lightdm start 进入图形界面。

现在，你可以关机，并取下亮机卡 了 _.

查看CUDA设备

终端进入你的 CUDA Samples安装目录，执行编译后运行 ./deviceQuery 输出显卡设备等信息。

cd NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery

若提示如下信息，说明NVIDIA显示驱动有问题，使用 sudo apt --purge remove nvidia* 卸载，重新安装时选择安装NVIDIA drivers。

./deviceQuery
./deviceQuery Starting...CUDA Device Query (Runtime API) version (CUDART static linking)
cudaGetDeviceCount returned 30
-> unknown error
Result = FAIL

输出的信息 ，成功看到类似信息代表驱动及开发套件安装成功，下面安装CUDNN：

CUDA Device Query (Runtime API) version (CUDART static linking)Detected 2 CUDA Capable device(s)Device 0: "GeForce GTX 1080 Ti"CUDA Driver Version / Runtime Version          8.0 / 8.0CUDA Capability Major/Minor version number:    6.1Total amount of global memory:                 11172 MBytes (11715084288 bytes)(28) Multiprocessors, (128) CUDA Cores/MP:     3584 CUDA CoresGPU Max Clock rate:                            1582 MHz (1.58 GHz)Memory Clock rate:                             5505 MhzMemory Bus Width:                              352-bitL2 Cache Size:                                 2883584 bytesMaximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layersMaximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layersTotal amount of constant memory:               65536 bytesTotal amount of shared memory per block:       49152 bytesTotal number of registers available per block: 65536Warp size:                                     32Maximum number of threads per multiprocessor:  2048Maximum number of threads per block:           1024Max dimension size of a thread block (x,y,z): (1024, 1024, 64)Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)Maximum memory pitch:                          2147483647 bytesTexture alignment:                             512 bytesConcurrent copy and kernel execution:          Yes with 2 copy engine(s)Run time limit on kernels:                     NoIntegrated GPU sharing Host Memory:            NoSupport host page-locked memory mapping:       YesAlignment requirement for Surfaces:            YesDevice has ECC support:                        DisabledDevice supports Unified Addressing (UVA):      YesDevice PCI Domain ID / Bus ID / location ID:   0 / 3 / 0Compute Mode:< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >Device 1: "GeForce GTX 1080"CUDA Driver Version / Runtime Version          8.0 / 8.0CUDA Capability Major/Minor version number:    6.1Total amount of global memory:                 8111 MBytes (8504868864 bytes)(20) Multiprocessors, (128) CUDA Cores/MP:     2560 CUDA CoresGPU Max Clock rate:                            1734 MHz (1.73 GHz)Memory Clock rate:                             5005 MhzMemory Bus Width:                              256-bitL2 Cache Size:                                 2097152 bytesMaximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layersMaximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layersTotal amount of constant memory:               65536 bytesTotal amount of shared memory per block:       49152 bytesTotal number of registers available per block: 65536Warp size:                                     32Maximum number of threads per multiprocessor:  2048Maximum number of threads per block:           1024Max dimension size of a thread block (x,y,z): (1024, 1024, 64)Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)Maximum memory pitch:                          2147483647 bytesTexture alignment:                             512 bytesConcurrent copy and kernel execution:          Yes with 2 copy engine(s)Run time limit on kernels:                     YesIntegrated GPU sharing Host Memory:            NoSupport host page-locked memory mapping:       YesAlignment requirement for Surfaces:            YesDevice has ECC support:                        DisabledDevice supports Unified Addressing (UVA):      YesDevice PCI Domain ID / Bus ID / location ID:   0 / 1 / 0Compute Mode:< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
> Peer access from GeForce GTX 1080 Ti (GPU0) -> GeForce GTX 1080 (GPU1) : No
> Peer access from GeForce GTX 1080 (GPU1) -> GeForce GTX 1080 Ti (GPU0) : NodeviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 2, Device0 = GeForce GTX 1080 Ti, Device1 = GeForce GTX 1080

安装CUDNN

CUDNN是NVIDIA公司针对深度神经网络，开发的基于CUDA的计算库，用于加速计算，这里安装版本为6.0，目前最新为7.0，但安装方式不变，且十分简单。可参考官方步骤

1.解压：进入“cudnn-8.0-linux-x64-v6.0.tgz”所在目录，将文件解压，如下：

#注意修改成你的目录
cd /home/liu/sfw
#解压
tar zxvf  cudnn-8.0-linux-x64-v6.0.tgz

2.copy文件至CUDA安装目录：解压后，在你的目录下生成一个“cuda”文件夹，对于cuDNN6.0的版本解压后生成“cudnn-8.0-linux-x64-v6.0”文件。使用如下命令copy，注意第二个有个-a参数，否则，拷贝过去的文件失去了链接。

$ 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*

cuDNN安装完成。～-～

CUDA使用

CUDA版本切换

请移步本人博客: 计算机使用技巧-CUDA切换

问题与解决

循环进登录界面

有些童鞋安装好CUDA重启后会发现：电脑不断地在登录界面循环，这是由于安装时选择安装了 OpenGL ，参考这里，安装时按照上述步骤， 不选择安装OpenGL即可。以前使用压缩命令压缩备份系统后再恢复，也会出现该现象，后来重装了系统。

you appear to be running an x server please exit x before installing

X 服务没有完全关闭.

sudo /etc/init.d/lightdm stop
cd /tmp
sudo rm -rf .X*

The driver installation is unable to locate the kernel

如果更新了内核, 会进不了桌面, 重装CUDA驱动又会提示 The driver installation is unable to locate the kernel , 这是由于 Ubuntu 内核版本与CUDA要求的版本不一致, CUDA9的官方文档要求的Linux版本为4.4.0 可参见CUDA手册.

已安装内核版本查看: uname -r
查看可以安装的内核: apt-cache search linux|grep linux-image
选择一个内核版本并安装: sudo apt-get install linux-image-X.X.X.XX-generic linux-headers-X.X.X.XX-generic
更新grub引导: sudo update-grup
重启系统, 高级选项中选择新安装的内核版本系统, 也可以修改grub配置, 默认进入某个版本的系统: sudo gedit /etc/boot/grub/grub.cfg

如果上述查看的版本中含 4.4, 则可以通过, 开机进入grub高级菜单, 选择4.4版本内核的系统启动; 如果不存在, 可以通过上述步骤降低内核版本, 当然也可以安装CUDA10.

如果是安装cuda时出现上述错误，执行sudo apt-get --purge remove nvidia* 删除之前安装的驱动，再重新用 run包安装。