1.1.Verify You Have a CUDA-Capable GPU
在终端中输入： $ lspci | grep -i nvidia ，会显示自己的NVIDIA GPU版本信息
去CUDA的官网岩镇首http://developer.nvidia.com/cuda-gpus查看自己的GPU版本是否在CUDA的支持列表中
1.2.Verify You Have a Supported Version of Linux 检查自己的linux版本是否支持，我安装的是ubuntu14.04版本的，这个就没有问题
在终端中输入： $ uname -m &&cat /etc/*release
终端显示结果如下所示：
1.3. Verify the System Has gcc Installed
在终端中输入： $ gcc --version
1.4. Verify the System has the Correct Kernel Headers and Development Packages Installed
在终端中输入： $ uname –r 可以查看自己的kernel版本信息
在终端中输入：$ sudo apt-get install linux-headers-$(uname -r)
可以安装对应kernel版本的kernel header和package development
这四个小步骤我都比较顺利，安装好ubuntu后这些都装好了，如果在某一步中有问题，可以参照官方文档进行解决。
runfile安装cuda 下载链接https://developer.nvidia.com/cuda-downloads
2.1.禁用 nouveau
终端中运行粗数：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。
Ubuntu的nouveau禁用方法：
在/etc/modprobe.d中创建文件blacklist-nouveau.conf，在文件中输入以下两行内容：
blacklist nouveau
options nouveau modeset=0
在终端中输入：$ sudo update-initramfs –u
设置完毕可以再次运行
$ lsmod | grep nouveau 检查是否禁用成功
如果运行后没有任何输出，则代表禁用成功(如果还有输出，表示没有禁用成功，不过也不要担心，可以重启电脑，再次运行该命令一般情况下会显示禁用成功)。
2.2.重启电脑，到达登录界面时，alt+ctrl+f1，进入text mode，登录账户
2.3.在text mode中输入
$ sudo service lightdm stop 关闭图形化界面
2.4.切换到cuda安装文件的路径
运行$ sudo sh cuda_7.5.18_linux.run
一般下载好cuda安装包后直接放在home目录下，就可以按照上面的代码运行了，建议这么做。
遇到提示是否安装openGL ，选择no（如果你的电脑跟我一样是双显，且主显是非NVIDIA的GPU需要选择no，否则可以选择yes）。其他都选择yes或者默认安装成功后，会显示installed，否则会显示failed。
2.5. 输入 $ sudo service lightdm start 重新启动图形化界面。
Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了。
2.6. 重启电脑。检查Device Node Verification。
检查路径~/dev下 有无存在名为nvidia*（以nvidia开头）的多个文件(device files)
如果没有的话，旅源可以参考官方文档里的指导步骤，进行添加。
添加过程：
a)在home下创建一个文档，命名位modprobe，不要后缀，文档的内容如下：
#!/bin/bash
/sbin/modprobe nvidia
if [ "$?" -eq 0 ]then
# Count the number of NVIDIA controllers found.
NVDEVS=`lspci | grep -i NVIDIA`
N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`
NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`
N=`expr $N3D + $NVGA - 1`
for i in `seq 0 $N`do
mknod -m 666 /dev/nvidia$i c 195 $i
done
mknod -m 666 /dev/nvidiactl c 195 255
else
exit 1
fi
/sbin/modprobe nvidia-uvm
if [ "$?" -eq 0 ]then
# Find out the major device number used by the nvidia-uvm driver
D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`
mknod -m 666 /dev/nvidia-uvm c $D 0
else
exit 1
fi
b)将该文件复制到/etc/init.d目录下
终端输入： $ sudo chmod 755 /etc/init.d/modprobe
d)执行如下命令将脚本放到启动脚本中去。
终端输入： $ cd /etc/init.d
$ sudo update-rc.d modprobe defaults 95
注意：数字95其实可以随便设置的。
e)关机然后重新启动，去～/dev下面查看，不出意外此时应该有nvidia*系类文件了。
对于2.6的说明：很有必要说一下不管怎么搞我的nvidia*文件总是出现不了，所以我放弃，不过好像并没有太大的影响。这一点根据情况大家自己试试吧。
2.7. 设置环境变量。
终端中输入 $ sudo gedit /etc/profile
在打开的文件末尾，添加以下两行：
export PATH=/usr/local/cuda-7.5/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64/：$LD_LIBRARY_PATH
2.8. 重启电脑，检查上述的环境变量是否设置成功。
终端中输入 : $ env
在输出的环境变量中检查有无上述 设置的变量，如果有则代表设置成功。
3. 检查cuda是否安装成功。
3.1.检查 NVIDIA Driver是否安装成功
终端输入 ：$ cat /proc/driver/nvidia/version 会输出NVIDIA Driver的版本号
3.2检查 CUDA Toolkit是否安装成功
终端输入 ： $ nvcc –V 会输出CUDA的版本信息
3.3尝试编译cuda提供的例子
切换到例子存放的路径，默认路径是 ~/NVIDIA_CUDA-7.5_Samples
终端输入：$ make
注意：这里的make *** 作是将Samples文件夹下所有的demo都编译了一遍，所以比较耗时，如果仅仅想测试某个例子，可以进入相应的文件夹去编译即可。
如果出现错误的话，则会立即报错停止，否则会开始进入编译阶段。
注意：我第一次运行的时候就报错了，错误是缺少一些依赖库，一般情况下也就是这个问题，按照如下方式安装就好,其实也没必要都安装，不过安装上也不会报错：
$ sudo apt-get install freeglut3-dev
$ sudo apt-get install build-essential
$ sudo apt-get install libx11-dev
$ sudo apt-get install libxmu-dev
$ sudo apt-get install libxi-dev
$ sudo apt-get install ibgl1-mesa-glx
$ sudo apt-get install llibglu1-mesa
$ sudo apt-get install libglu1-mesa-dev
安装好后，在终端输入： $ make
成功后，NVIDIA_CUDA-7.5_Samples文件夹下会出现一个bin文件夹。运行编译生成的二进制文件。
编译后的二进制文件 默认存放在~/NVIDIA_CUDA-7.5_Samples/bin中。
Ubuntu 16.04安装 CUDA7.5作者：autocyz
在介绍Ubuntu 16.04安装 CUDA7.5开始前，先辨析几个概念GPU、NVIDIA、NVIDIA驱动、CUDA、cudnn等，这些概念对于一个新手来说肯定是很晕的，正如我当初一样，所以我这里就稍微介绍一下这几个概念：
GPU:Graphics Processing Units，也就是我们常说的显卡。现在的笔记本或者台式机都会有显卡，但是能够让我们用来做并行计算的真正的GPU就只有NVIDIA出产的GPU了。
NVIDIA：GPU生产厂商，在运算GPU处于垄断地位。
NVIDIA驱动：就是NVIDIA生产的GPU想在电脑上正常使用所需的驱祥和纳动。
CUDA：Compute Unified Device Architecture，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并-行计算架构，该架构使GPU能够解决复杂的计算问题。我们想使用GPU进行深度学习运算的时候，必须要用到这个运算平台。
cudnn:CuDNN是NVIDIA专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等.
Ubuntu 16.04安装cuda7.5
部分参照：http://www.afterimage.top/2016/05/%E9%85%8D%E7%BD%AEcuda7-5-ubuntu-16-04-opencv3-1/
在安装之前，先说一下本人工作站的设备配置（主要是GPU的）：
设备上一共有三块GPU，一快是专门用来做显示的NVS310
两块用来做运算的GeForce GTX TITIAN X
第一步：选择最新的nvidia驱动（很重要！！！）
先打开计算机中的“软件和更新”，查看“附加驱动”，选择nvidia的驱动为最新的驱动。更新完之后最好重启一下。
我曾经遇到一些错误，就是因为我的NVIDIA驱动太老了，而cuda7.5则依赖于比较新的驱动。
第二步：下载cuda
去官网https://developer.nvidia.com/cuda-downloads 下载，选棚陵择Linux——ubuntu——15.04（我安装的时候还只支持到15.04，没有支持16.04版本的）——runfile(local)
第三步：安装PPA软件管理包工具
什么是 PPA？
PPA，表示 Personal Package Archives，也就是个人软件包集。
有很多软件因为种种原谨没因，不能进入官方的 Ubuntu 软件仓库。 为了方便 Ubuntu 用户使用，launchpad.NET 提供了 ppa，允许用户建立自己的软件仓库， 自由的上传软件。PPA 也被用来对一些打算进入 Ubuntu 官方仓库的软件，或者某些软件的新版本进行测试。PPA 上的软件极其丰富，如果 Ubuntu 官方仓库中缺少您需要的某款软件，可以去 PPA 上找找看。
我们安装的cuda可能在Ubuntu仓库中木有，所以用PPA来下载。
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
第四步：执行cuda的.run文件
cd到下载的.run文件夹执行：
sudo ./cuda_7.5.18_linux.run --override
第五步：选择安装选项
选择安装选项：（注意：应为之前已经安装过NVIDIA Display Driver的驱动了（如第一步），所以这里选择不安装NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39。如果选择安装会出现错误，并且导致安装CUDA失败。
Do you accept the previously read EULA? (accept/decline/quit): accept
You are attempting to install on an unsupported configuration. Do you wish to continue? ((y)es/(n)o) [ default is no ]: y
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): n
Install the CUDA 7.5 Toolkit? ((y)es/(n)o/(q)uit): y
Enter Toolkit Location [ default is /usr/local/cuda-7.5 ]:
Do you want to install a symbolic link at /usr/local/cuda? ((y)es/(n)o/(q)uit): y
Install the CUDA 7.5 Samples? ((y)es/(n)o/(q)uit): y
Enter CUDA Samples Location [ default is /home/kinghorn ]: /usr/local/cuda-7.5
Installing the CUDA Toolkit in /usr/local/cuda-7.5 ...
Finished copying samples.
===========
= Summary =
===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-7.5
Samples: Installed in /usr/local/cuda-7.5
第六步： 添加cuda到环境变量里面
sudo nano /etc/profile.d/cuda.sh
export PATH=$PATH:/usr/local/cuda/bin
sudo nano /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
source /etc/ld.so.conf.d/cuda.confcd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery
sudo ldconfig
第七步：将GCC降级或者采用暴力的方式让cuda7.5支持高版本GCC。
由于cuda7.5不支持gcc4.9以上的版本，而ubuntu16.04默认的是gcc5，这会造成安装的失败，解决方法有两种，
1、对gcc进行降级，让系统采用低版本的GCC，但是这种方式有一定的问题，因为Ubuntu16.04很多系统文件默认是使用gcc5编译的，因此如果用降级的方法安装完cuda后，在后期安装caffe的时候，可能会报类似于undefined的错误，这是因为你的gcc版本低，其所需的系统文件找不到。.
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
2、这种方式有点类似于黑箱方式，即强制让他不报错。编辑/usr/local/cuda/include/host_config.h，将其中的第115行注释掉：
将
#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!
上面就是设置gcc版本优先级的。20和10就代表你所使用的gcc、g++的版本优先级。
第八步：测试是否安装成功
执行如下指令，正常情况下会出现设备中所有的GPU，并把每个GPU的信息打印出来。
nvidia-smi
如果没有出现错误之类的话，就说明安装成功了。
第九步：测试cuda的Samples
cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery
如果显示的是一些关于GPU的信息，则说明安装成功了。
Ubuntu 14.04 安装配置CUDA http://www.linuxidc.com/Linux/2014-10/107501.htm
Ubuntu 12.04配置NVIDIA CUDA5.5实录 http://www.linuxidc.com/Linux/2014-10/107502.htm
Ubuntu安装Theano+CUDA http://www.linuxidc.com/Linux/2014-10/107503.htm
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接 Ubuntu 12.04 安装 CUDA-5.5
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 ) http://www.linuxidc.com/Linux/2016-09/135016.htm
在Ubuntu 14.04上配置CUDA+Caffe+cuDNN+Anaconda+DIGITS http://www.linuxidc.com/Linux/2016-11/136775.htm
Ubuntu16.04下CUDA8.0+Caffe安装配置过程 http://www.linuxidc.com/Linux/2017-01/139313.htm
Ubuntu 14.04下CUDA8.0 + cuDNN v5 + Caffe 安装配置 http://www.linuxidc.com/Linux/2017-01/139300.htm
Ubuntu 16.04+Nvidia GTX 1080+CUDA8.0 深度学习环境配置
更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=2
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）