系列文章目录
第一章 Linux mint 深度学习开发环境搭建之Nvidia显卡相关软件安装
前言
本文主要讲述在Linux Mint系统上搭建深度学习环境并使用GPU进行训练的步骤
一、为什么要搭建GPU环境
深度学习涉及到大量的矩阵运算，虽然 CPU 上每个单元性能高，但面对大量计算时，GPU计算单元更多， 在完成一批矩阵运算时，同时运算的数量高，所以还是 GPU 适合。
二、搭建步骤
(1)Nvidia显卡驱动安装
使用GPU进行深度学习训练任务，必须先安装Nvidia的显卡驱动
点击左下角图标，点击进入
System Settings。
拉到最下面，点击
Driver Manager。输入密码。
选择要使用的驱动，点击
Apply Changes。
更新完成后重启即可。
输入下面代码测试
watch -n 0.1 nvidia-smi
其结果如图所示，即安装成功
(2)cuda11.4安装
点击如下链接，选择合适的cuda版本进行下载，此处我们选择的是11.4.4版本
cudatoolkit官网下载
在下载页面按照深绿色块选择指定的系统平台，版本号等等。
选择完毕后，下方会出现安装说明，在终端输入下面的语句下载即可。如果嫌弃下载慢，可以复制下载链接在迅雷中下载完后再传到mint中安装。
# 下载cuda的后缀名为run的安装文件
wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda_11.4.4_470.82.01_linux.run
- 按照输入如下命令安装cuda
# 安装cuda
sudo sh cuda_11.4.4_470.82.01_linux.run
加载完后出现，条款与选项，选择方式如下粗体字所示，由于前面已安装过英伟达驱动，所以把默认勾选给关闭：
Do you accept the above EULA?(accept/decline/quit):accept
CUDA Installer se Agreement
-[ ] Driver
[ ] 470.57.02
+[X] CUDA Toolkit 11.4
[X] CUDA Samples 11.4
[X] CUDA Demo Suite 11.4
[X] CUDA Documentation 11.4
Options
Install
- 安装结束后配置环境变量
sudo vim ~/.bashrc
按下大写键Capslock，再按下G，到达尾行，输入i，插入下面一段语句，此处的路径是按默认安装路径设置的。
export PATH=/usr/local/cuda-11.4/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
按下Esc，输入“:wq”用以保存环境变量，在终端下输入下面命令刷新环境。
source ~/.bashrc
- 输入以下代码测试Samples
cd ~/NVIDIA_CUDA-11.4_Samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果有如下报错，说明没安装g++，安装后即可
sudo apt install g++
最终result=PASS，安装成功
(3)cudnn8.5.0安装
从官网链接下载cuda11.4对应的cudnn
cudnn下载此处选择下面红框处的版本，下载时候会提示登录Nvidia账号，这里还是建议注册下，毕竟以后说不定还要更新其他版本，反正也是免费注册
在下载目录中开启终端，输入代码解压
tar -xvf cudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar.xz
- 解压文件夹重命名，并拷贝到对应的cuda目录
mv cudnn-linux-x86_64-8.5.0.96_cuda11-archive cudnn
sudo cp cudnn/lib/* /usr/local/cuda/lib64
sudo cp cudnn/include/* /usr/local/cuda/include
- 输入以下代码可查看到cudnn版本
cat /usr/local/cuda/include/cudnn_version.h |grep CUDNN_MAJOR -A 2
如图所示，cudnn8.5.0安装成功
总结
本文主要介绍了cuda、cudnn的安装与测试方法