折腾记录——Ubuntu14.04系统安装NvidiaCUDA7.5并搭建
来源:互联网 发布:linux切换oracle实例 编辑:程序博客网 时间:2024/06/02 19:42
引言
最近几天一直尝试搭建Theano深度学习开发环境,并安装英伟达CUDA Toolkit。这期间,有想过在Windows上搭建的,但是从网上了解后,发现还是在linux环境下更加合适。在搭建这个开发环境的过程中,其实入了不少坑,有点曲折。本不打算写搭建过程的,因为网上确实有不少不错的安装步骤,以及官网也有安装教程。But,鉴于被坑了好几天,还是记录一下,长长记性 :)
期间安装Ubuntu 14.04超过4次(原因:有些软件依赖问题无法解决,更换软件源貌似也不可以。不过今天把软件源换成主服务器后,就正常了,但是我的无线网速度比较慢,所以使用主服务器后,下载速度明显要慢了不少。)。
尝试安装Fedora操作系统1次,因为也想过在这个系统上搭建环境的,因为Ubuntu 14.04上面的部分依赖总是搞不定。但是因为网卡驱动的问题,始终无法联网;无法联网,自然就没法安装编译器,没有编译器,没法安装网卡驱动(因为需要编译驱动),最后放弃了这个平台。
尝试安装CentOS操作系统1次,其实根本没有安装成功,原因是我的独立显卡驱动问题,导致安装程序的图形界面上的所有文字都是模糊的,甚至连“退出安装”按钮文字我都识别不出来,最后放弃了。
台式机主要参数
- 内存:金士顿8G
- 处理器:Intel Core i5-4590 CPU @ 3.3GHz x 4
- 显卡: 英伟达Geforce GTX 750 (GPU并行运算)
- 硬盘: 西部数据 1TB
安装Ubuntu 14.04操作系统
- 制作Ubuntu启动盘(使用软碟通写入到U盘上);
- 台式机启动时,选择快捷启动,从U盘启动Ubuntu live cd系统;
- 安装Ubuntu 14.04操作系统;
- 安装完毕后重新启动系统;
- 启动系统,在进入Grub界面时,按
e
键,进入编辑页面,在倒数第二行中,ro quiet splash
后面添加nomodeset
,这样进入系统后不会因为独显驱动问题而导致黑屏了; - 在进入系统后,编辑文件
/boot/grub/grub.cfg
文件,搜索ro quiet splash
关键词,同样追加nomodeset
,这样不用每次启动系统前重复上述步骤了。
安装Theano环境
需要预先安装的工具
这些工具在后面可能会使用到,如编译器等。
sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran
安装BLAS, LAPACK, ATLAS
这些软件包必须在安装Numpy和Scipy之前安装
sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev
安装NumPy
在官方教程中使用了apt-get
方式安装的,但是貌似我确实在安装后没有通过单元测试,有不少错误产生。尤其是后面安装的SciPy更是如此。可能和我之前没有把需要的工具包安装齐全有关系吧。
# 安装NumPy,这个安装过程需要等待会,因为需要编译,所以得花一点时间。# 实际上后面安装的SciPy和Theano都会花时间编译的,整个安装过程还是要挺久的。sudo pip install numpy# 进行测试。python -c 'import numpy; numpy.test()'
必须要保证上面的测试通过,然后再继续下一步,确保每一步都是正确的。没有Errors则通过测试。测试结果如下。
安装SciPy
# 安装方法,耐心等待编译吧:)sudo pip install scipy# 进行测试python -c 'import scipy; scipy.test()'
必须保证scipy
也正常通过测试,这样才可以继续安装下面的Theano。测试结果如下图:
安装Theano
# 安装方法,还是要耐心等待编译安装的,感觉比较耗时sudo pip install Theano# 开始测试sudo python -c 'import theano; theano.test()'
好吧,我感觉这个步骤中的Theano
测试花了好长时间,所以,还是耐心等待吧。最后结果如下。
安装CUDA Toolkit
下载CUDA Toolkit
在安装这个英伟达CUDA Toolkit时,还是遇到了不少问题。以下记录安装过程,详细的说明文档参见英伟达官方提供的Installation Guide for Linux。需要注意的是,该安装文件已经包含了英伟达较新的显卡驱动,所以不用单独安装独显驱动的。
下载CUDA Toolkit
进入CUDA Toolkit下载页面
选择对应的Ubuntu 14.04操作系统,并且选择下载
runfile(1.1G)
文件,同时记录对应的md5值,用于校验下载文档有没有损坏下载GPU Development Kit
下载完成后,最后校验一下下载文件与下载页面提供的文件MD5值是否相同,确保下载到的安装包是完好无损的。
安装一些需要的库
- 下面都是一些可能需要用到的库,否则在安装CUDA时,可能会提示缺少需要的库文件。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
- 值得注意的是,我在我的Ubuntu系统
/usr/lib/x86_64-linux-gnu/
目录下找到了名为libGLU.so.1.3.1
,所以在尝试建立链接到/usr/lib/
目录下后,安装Samples时就正常了。
sudo ln -s /usr/lib/x86_64-linux-gnu/libGLU.so.1.3.1 /usr/lib/libGLU.so
安装CUDA
首先,将X-Window关闭,然后进入字符界面(如tty1)。关闭X-Window方法:
sudo service lightdm stop
接下来,在字符界面中,给下载好的
cuda_7.5.18_linux.run
以及cuda_352_39_gdk_linux.run
添加可执行权限安装Development Kit:
sudo ./cuda_352_39_gdk_linux .run
安装CUDA:
sudo ./cuda_7.5.18_linux.run
,安装过程直接根据提示进行下去即可重新启动X-Window:
sudo service lightdm start
环境变量设置
- 在终端中输入下面的命令即可:
echo 'export PATH=/usr/local/cuda-7.5/bin:$PATH' >> ~/.bashrcecho 'export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH' >> ~/.bashrcsource ~/.bashrc
- 接下来重启系统,然后开始验证安装的结果。
验证
查看NVCC版本
nvcc -V
,输出结果如下:
编译并运行例子
进入到Samples安装目录,然后在该目录下
make
,等待十来分钟。编译完成后,可以在
Samples
里面找到bin/x86_64/linux/release/
目录,并切换到该目录运行
deviceQuery
程序,查看输出结果如下(重点关注最后一行,Pass表示通过测试):运行
bandwidthTest
程序,查看输出结果如下(同样最后显示结果为PASS
):
综合测试
这是最后一个环节了,配置Theano使用GPU并行计算,以验证环境搭建是否成功。
- 首先将下面的测试代码复制到文本中,命名为test.py
from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport time vlen = 10 * 30 * 768 # 10 x #cores x # threads per coreiters = 1000 rng = numpy.random.RandomState(22)x = shared(numpy.asarray(rng.rand(vlen), config.floatX))f = function([], T.exp(x))PRint(f.maker.fgraph.toposort())t0 = time.time()for i in xrange(iters): r = f()t1 = time.time()print("Looping %d times took %f seconds" % (iters, t1 - t0))print("Result is %s" % (r,))if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]): print('Used the cpu')else: print('Used the gpu')
- 在用户目录下新建.theanorc配置文件,设置采用GPU替代CPU进行运算:
- 新建配置文件
sudo vi ~/.theanorc
添加如下内容:
[global]floatX=float32device=gpu
- 运行test.py测试文件:
- 首先是默认的使用gpu进行计算,查看运行结果
作为对比,使用cpu进行计算,观察与gpu运算结果差别,从下面的截图中可以看出,使用gpu的运算时间明显短很多
总结
- 最终还是在Ubuntu 14.04.1系统上将整个开发环境搭建成功了,期间确实走了不少弯路。所以还是要汲取一下教训。
- 理想情况下,按照很多教程那样,可以很顺利的解决安装的问题。但是安装过程中还是遇到不少问题,所以,重要的是学会解决遇到的问题,还有就是耐心地阅读文档。
参考
- Easy Installation of an Optimized Theano on Current Ubuntu,这个是我第一次安装的时候阅读的教程,不过我没有成功,在后面的单元测试时,没有全部通过。
- Ubuntu12.04配置NVIDIA cuda5.5经验帖
- Theano Tutorial: Using the GPU
- Ubuntu 14.04安装Theano详细教程
- CUDA: Installation Guide for Linux
- CUDA: Quick Start
- stackoverflow: Missing recommended library: libGLU.so
- 折腾记录——Ubuntu14.04系统安装NvidiaCUDA7.5并搭建
- 折腾ubuntu14.04安装jdk1.6记录
- 折腾记要——Ubuntu 14.04系统安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境
- 折腾,ubuntu14.04安装cuda7.5
- win7系统+ubuntu14.04双系统安装记录
- thinkpad X240 安装Ubuntu14.04 系统并搭建android开发环境
- Ubuntu14.04安装记录
- Android系统编译环境搭建—Ubuntu14.04安装&root登录&Chromium root启动&安装配置交叉编译环境
- 折腾Ubuntu14.04 总结
- Ubuntu14.04安装CUDA8.0折腾之路
- Ubuntu14.04 安装xxx 记录
- Ubuntu14.04安装Matlab2014b记录
- 详细完整——XP系统硬盘安装Ubuntu14.04
- APUE学习记录(零)——Ubuntu14.04环境搭建
- ubuntu14.04交叉编译环境搭建记录
- ECS Ubuntu14.04 搭建gitlab 记录
- ubuntu14.04搭建(迁移)hustoj记录
- 安装单系统ubuntu14.04
- 3.1.4 Memcached的简单使用过程
- LeetCode 110. Balanced Binary Tree
- 软件设计模式——你真的会写单例模式吗?
- 深度测试
- 求数组中最大的值
- 折腾记录——Ubuntu14.04系统安装NvidiaCUDA7.5并搭建
- C++ cin学习笔记
- LeetCode 285. Inorder Successor in BST
- JS中的call()和apply()方法
- 异常处理代码之简洁(一)
- SED1520 取字模软件
- Linux学习进阶路线图
- 高仿QQ创建搜索框以及拼音检索好友
- 传智 刘意 2015年Java基础视频-深入浅出精华版 笔记 day24~day26(2016年4月26日13:11:30)