配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet

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

 

    决定加入深度学习的大军，感谢导师给配了台新设备！第一次接触服务器并配置开发环境，整个过程中遇到不少坑，但是好在最后都成功解决了。不过有点担心的是，Tesla k40c 默认还要一个辅助供电，我目前只插了8pin的供电接口，6pin的供电接口没插，不知道后续计算会不会受影响……心里怕怕的……

 

    首先报一下硬件配置：

        服务器：联想TD350：

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

                   内存：16G × 2条

                   硬盘：2TB

           显卡：Tesla K40c

 

一、安装Ubuntu16.04 LTS 64bit

    自行下载安装程序iso文件，用ultraISO制作成优盘启动盘。安装。

 

二、安装CUDA8.0

    Tesla K40c 是纯计算卡，切换至这款显卡后，无法显示GUI界面，按照同学的说法“再装块其他的独显作为显示”，虽然可行，但是白白浪费一块独显。按照以下方法可以做到平时显示用Intel自带集显，运算时再切换至Tesla K40c。

1. 检查是否正确识别显卡：

    在Terminal中输入：

lspci | grep -i nvidia

    显示：

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

 

2. 查看GCC安装版本：

gcc --version

    显示：

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. 查看是否已有安装的NVIDIA驱动：

    如果有，请卸载。本人的服务器是新的，所以木有安装过。

lsmod | grep nvidia

 

4. 查看集显驱动：

lsmod | grep nouveau

 

5. 下载CUDA8.0：

    去cuda官网下载对应版本的驱动，请下载.run格式的安装文件，不要下载deb格式的！把安装文件放在任意目录下。

 

6. 禁用显卡驱动：

    Ctrl + Alt + F1 进入tty1界面。

    关闭桌面服务：

sudo service lightdm stop

    把自带显卡驱动加入黑名单：

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

    立即生效：

sudo update-initramfs -u

    重启系统。

 

7. 安装CUDA：

    再次进入tty1，并再次关闭桌面服务，找到刚才存放.run安装程序的路径，安装一下，后面跟上参数！！

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

    按照提示，输入yes或者回车，装完后开启桌面服务：

sudo service lightdm start

    重启。

 

8. 后续配置：

2016年12月16日补充：ubuntu16.04下创建这个问题件后，开机会提示问题，然后会自动删除这个文件，没这个文件一切也挺正常的。。所以暂时可以不用改这个文件了。

    创建 /etc/X11/xorg.conf 文件，内容如下：

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

    打开文件 /etc/default/grub， 在 GRUB_CMDLINE_LINUX_DEFAULT 后增加一个参数： "nogpumanager"。

    立即生效：

sudo update-grub

 

9. 配置环境变量：

    /etc/profile文件最后增加两行：

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

    我的CUDA装在默认位置，如果你的不是，请自行修改上述路径吧~

    立即生效：

source /etc/profile

 

10. 验证安装：

    终端输入：

lsmod | grep nvidia

    显示：

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

    终端输入：

nvcc -V

    显示：

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

 

三、 安装Anaconda3

    官网下载python3.5版本，cd到安装程序目录下执行：

sudo sh Anaconda3-4.2.0-Linux-x86_64.sh

    安装过程中提示要不要加入环境变量啥的，都选yes。

 

四、 安装Matlab2016a

    下载好破解版的Matlab iso镜像， cd到镜像文件目录下执行：

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

cd /mnt
./install

    一开始输入破解文件夹内的序列号，装完以后，把破解文件夹内的两个lib开头的文件拷到 /usr/local/MATLAB/R2016a/bin/glnxa64/ 目录下，注意操作权限。

    打开Matlab：

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

    定位到破解文件夹内的lic文件。

 

    安装一个插件：

sudo apt-get install matlab-support

    按照要求输入matlab执行程序所在bin文件夹的上层目录。

    以后就可以直接在终端里输入 matlab 来启动啦！

 

五、安装OPENCV3.1

    先装下各种可能用到的依赖库吧：

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

    安装cmake、git，这里还要安装下cmake的gui程序，后续编译opencv我们在gui界面操作！

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

 

    下载opencv3.1源码以及扩展包源码：

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编译至刚才创建的build文件夹

    终端输入：

cmake-gui

    配置方法可以参考我在windows下编译opencv的博文，主要看下anaconda这些有没有被检测到，还要在扩展包路径里选择 /opencv_contrib/modules 文件夹。

    编译好之后，终端进入build文件夹：

make -j16

    大家根据自己CPU情况更改数字哦，make过程会很久，特别是到opencv_perf_stitch 和python3 这两步时，估计要等四十分钟………………完成后，安装：

sudo make install

 

    安装完后，检测一下，终端输入python，然后import cv2试试，如果出现说什么libstdc++.so.6 有问题，软连接一下：

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

    同理，如果libgomp.so.1文件有问题，也软连接一下：

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

    再import cv2就可以咯~~~~

 

六、安装CuDNN5.1

    去官网下载最新版本CuDNN5.1，tga格式。

    终端输入：

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/

 

七、安装MXNet

    下载mxnet：

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

    修改 /mxnet/make/config.mk，把USE_CUDNN=0、USE_CUDA=0 都改成=1，并且指定CUDA路径：/usr/local/cuda，在mxnet根目录下编译：

make -j16

    cd /mxnet/python 目录，执行：

python setup.py install

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

python train_mnist.py --gpus 0

    没问题的话就OK啦！！

 

 

 

附：参考资料

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