安装nvidia显卡驱动+cuda+cudnn

2020-03-26 10:07 Eagel 阅读(2598) 评论(2) 编辑收藏举报

应用背景：darknet+yolov3训练自己数据，特定场景目标识别，小目标检测

CPU训练太慢，计算机上有GT 730显卡，虽挫但聊胜于无，搞之。

详情见参考链接，本文只做简要记录。

0. 查看显卡信息

（1）输入如下命令：

lshw -c video

（2）为了再次确认一遍，你还可以使用这个命令查看你可以使用的驱动：

ubuntu-drivers devices

（3）其他类似命令

root@ubuntu:/home/ubuntu# lspci |grep -i vga
02:00.0 VGA compatible controller: NVIDIA Corporation GM200 [GeForce GTX TITAN X] (rev a1)

（4）查看GPU型号

lspci | grep -i nvidia

（5）查看NVIDIA驱动版本

sudo dpkg --list | grep nvidia-*

1. 安装显卡驱动

（1）Software & Updates -> Additional Drivers选择所需版本安装即可（如，proprietary, tested）。

几经折腾，最后其实就这个方法搞定。

安装cuda时，其实包含了显卡驱动，而且是对应版本，所以安装显卡驱动应该可以跳过，直接在安装cuda时一起安装驱动。

但是，安装cuda时选择安装驱动，可能会报错，网上很多解决办法，有点麻烦。

因此，在Software & Updates -> Additional Drivers安装也是个不错的选择。

重启才能完成驱动安装。

（2）ubuntu命令行安装，效果类似（1）的方法

ubuntu-drivers devices
sudo ubuntu-drivers autoinstall

驱动安装完成，重新启动，就能看到GPU识别成功了：

你也可以选择，只安装其中一个驱动，命令如下：

sudo apt install nvidia-340 （340等从ubuntu-drivers devices命令输出中选择）

（3）官方下载显卡驱动安装

2. 安装cuda

注意，不同版本cuda对显卡驱动版本有一定要求。比如，cuda-10.2要求驱动440版本，cuda-10.1要求驱动418版本。

上一步骤（1）安装驱动435版本，满足cuda-10.1的要求，因此，应当下载cuda-10.1进行安装。

官网下载安装包：

各个版本： CUDA Toolkit Archive

根据官网说明安装即可：

例如：CUDA Toolkit 10.2 Download

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run

根据提示安装即可，如果上一步已经安装了驱动，这里要取消驱动安装。否则，很可能失败。

注意，在.bashrc文件末尾加入：

#cuda
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

3. 安装cudnn

官网下载安装包，安装即可，下载安装包需要注册NVIDIA账号。

注意，cudnn的版本应该与cuda版本对应。

各个版本：cuDNN Archive

下载了 deb 格式的文件，打开终端找到下载的deb 文件所在的位置，然后按步骤安装三个文件：

sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.1_amd64.deb

Runtime 和 Developer 版本的区别是：
developer library 包含了在Ubuntu系统上开发深度学习时所需的cuDNN头文件，如果你不需要开发编译任何深度学习程序，而只是将其用于运行某些深度学习应用，那么只下载“runtime library”就足够了。
我是把3个文件都下载下来了，分别安装。

主要参考链接：cuDNN的安装（版本选择， Runtime 还是 Developer）

验证那块有点不一样，因为我的情况是安装到/usr/include了。

官方安装指南：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#prerequisites

4. 显示当前GPU使用情况

nvidia-smi

nvidia-smi（显示一次当前GPU占用情况）
nvidia-smi -l（ubuntu1804,每5秒刷新一次并显示）
watch -n 2 nvidia-smi （其中，2表示每隔6秒刷新一次终端的显示结果）

我这儿没有启动任何利用显存资源的进程，所以没有占用任何资源。

第一栏的Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温（比如我们实验室的服务器是常年放在空调房间里的）。

第二栏的Temp：是温度，单位摄氏度。
第三栏的Perf：是性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。
第四栏下方的Pwr：是能耗，上方的Persistence-M：是持续模式的状态，持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态。
第五栏的Bus-Id是涉及GPU总线的东西
第六栏的Disp.A是Display Active，表示GPU的显示是否初始化。
第五第六栏下方的Memory Usage是显存使用率。
第七栏是浮动的GPU利用率。
第八栏上方是关于ECC的东西。
第八栏下方Compute M是计算模式。
下面一张表示每个进程占用的显存使用率。

显存占用和GPU占用是两个不一样的东西，显卡是由GPU和显存等组成的，显存和GPU的关系有点类似于内存和CPU的关系。