Per TensorFlow vorrei installare CUDA. Come posso farlo su Ubuntu 16.04?
Per TensorFlow vorrei installare CUDA. Come posso farlo su Ubuntu 16.04?
Risposte:
C'è una guida all'installazione di Linux . Tuttavia, sono sostanzialmente solo quei passaggi:
md5sum cuda_7.5.18_linux.run
. Continua solo se è corretto.sudo apt-get purge nvidia-cuda*
- se si desidera installare anche i driver, allora sudo apt-get purge nvidia-*
.)
sudo service lightdm stop
/etc/modprobe.d/blacklist-nouveau.conf
con i seguenti contenuti:
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -u
sudo sh cuda_7.5.18_linux.run --override
. Assicurati di dire y
per il link simbolico.
sudo service lightdm start
Vedi anche: NVIDIA CUDA con Ubuntu 16.04 beta su un laptop (se proprio non puoi aspettare)
Note : Sì, esiste la possibilità di installarlo tramite apt-get install cuda
. Consiglio vivamente di non usarlo, poiché modifica i percorsi e rende più difficile l'installazione di altri strumenti.
Potresti anche essere interessato a Come posso installare CuDNN su Ubuntu 16.04? .
*: Non installare i driver di visualizzazione con questo script. Loro sono vecchi. Scarica le ultime da http://www.nvidia.com/Download/index.aspx
Il comando seguente mostra la versione corrente di CUDA (ultima riga):
$ nvcc --version
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
Il comando seguente mostra la versione del driver e la quantità di memoria GPU che hai:
$ nvidia-smi
Fri Jan 20 12:19:04 2017
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.57 Driver Version: 367.57 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce 940MX Off | 0000:02:00.0 Off | N/A |
| N/A 75C P0 N/A / N/A | 1981MiB / 2002MiB | 98% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1156 G /usr/lib/xorg/Xorg 246MiB |
| 0 3198 G ...m,SecurityWarningIconUpdate<SecurityWarni 222MiB |
| 0 6645 C python 1510MiB |
+-----------------------------------------------------------------------------+
Vedi anche: Verifica installazione CuDNN
Non fatevi prendere dal panico. Anche se non riesci a vedere nulla sul tuo computer, i seguenti passaggi dovrebbero riportarti allo stato precedente:
mount -o remount,rw /
( -
è ?
ed /
è -
nel layout americano)sh cuda_7.5.18_linux.run --uninstall
sudo apt-get install nvidia-361 nvidia-common nvidia-prime nvidia-settings
L'installazione dei driver grafici è un po 'complicata. Questo deve essere fatto senza supporto grafico.
dpkg -l | grep -i nvidia
sudo apt-get remove --purge nvidia-WHATEVER
sudo service lightdm stop
reboot
tuo PC / lista nera il driver nouveau ( tutorial tedesco )sudo apt-get install linux-headers-$(uname -r)
prima di eseguire il programma di installazione. questo si assicura che le intestazioni del kernel e i pacchetti di sviluppo specifici per ciò che si sta eseguendo siano lì e non ci si troverà ad affrontare installazioni di driver fallite!
Ho provato a installare molte volte tramite il file .run, ma qualche errore si è sempre verificato e mi sono imbattuto in un ciclo di accesso o ho perso completamente il display. Pertanto consiglierei di utilizzare il file .deb e di non giocherellare con il display manager.
La Guida all'installazione di NVIDIA CUDA per Linux è un collegamento eccellente che elenca i dettagli completi. Assicurati di seguire ogni passaggio come indicato.
Per installare il driver Nvidia è possibile effettuare le seguenti operazioni:
Nel menu "Cerca nel tuo computer" di Ubuntu nell'angolo in alto a sinistra cerca "Driver aggiuntivi" (Puoi anche fare Impostazioni di sistema-> Software e aggiornamenti-> Driver aggiuntivi)
Nel menu visualizzato, seleziona uno dei driver Nvidia e fai clic su "Applica modifiche" (questo passaggio utilizza Internet. Se il problema persiste, il server proxy potrebbe bloccare il download)
Riavvia il tuo sistema.
Aprire una finestra del terminale e digitare nvidia-smi. Se il tuo driver è stato installato correttamente dovresti vedere qualcosa di simile:
+ ------------------------------------------------- ----- + | Versione driver NVIDIA-SMI 3.295.41: 295.41 | | ------------------------------- + ----------------- ----- + ---------------------- + | Nb. Nome | Disp. ID bus | Volatile ECC SB / DB | | Utilizzo / Cap della potenza della ventola | Utilizzo della memoria | Utilità GPU. Calcola M. | | =============================== + ================= ===== + ====================== | | 0. Tesla C2050 | 0000: 05: 00.0 Sì | 0 0 | | 30% 62 C P0 N / A / N / A | 3% 70 MB / 2687 MB | 44% Predefinito | | ------------------------------- + ----------------- ----- + ---------------------- | | Processi di calcolo: memoria GPU | | Nome processo PID GPU Utilizzo | | ================================================= ============================ | | 0. 7336 ./allinea 61MB | + ------------------------------------------------- ---------------------------- +
Ora puoi installare facilmente CUDA secondo il link precedente. In breve:
sudo apt-get install linux-headers-$(uname -r)
Scarica un toolkit da qui e quindi installa il .deb
file (sostituisci il nome di conseguenza)
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
quindi eseguire:
sudo apt-get update
sudo apt-get install cuda
deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64 /
. Si noti che l'installazione ha eseguito il downgrade del driver da nvidia-381 a -375. L'ho lasciato lì.
Unknown: Unknown This device is not working
mi chiede se voglio usarlo Processor microcode firmware for Intel CPUs
. Dovrei usarlo? Grazie.
Ho anche provato approcci alle differenze per installare Cuda 8.0 in Ubuntu 16.04. Infine, questi sono i passaggi che fanno il trucco. Ho seguito questo tutorial e aggiornato i passaggi corretti come segue.
Aggiorna il sistema
apt-get update && apt-get upgrade
Scarica VirtualGL e installalo. Installare
dpkg -i virtualgl*.deb
Scarica e installa CUDA 8.0 e installalo. Suggerisco di farlo attraverso Internet. In questo modo,
Installa le dipendenze richieste.
apt-get install linux-headers-$(uname -r)
apt-get install freeglut3-dev libxmu-dev libpcap-dev
Aggiorna il PERCORSO di sistema in .bashrc che si trova nella home directory. Si prega di notare se si installano quelle cose in posizione diversa, si prega di aggiornare il percorso in base a ciò.
export PATH=$PATH:/opt/VirtualGL/bin
export PATH=$PATH:/usr/local/cuda/bin
Installa bumblebee-nvidia e primus.
apt-get install bumblebee-nvidia primus
Modifica il file di configurazione di bumblebee in modo che bumblebee sappia che stiamo usando il driver NVIDIA. Aggiorna il percorso in base al tuo sistema. Ecco una vista di riferimento che ti aiuterà.
sudo nano +22 /etc/bumblebee/bumblebee.conf
Inserisci:
[bumblebeed]
ServerGroup=bumblebee
TurnCardOffAtExit=false
NoEcoModeOverride=false
Driver=nvidia
XorgConfDir=/etc/bumblebee/xorg.conf.d
Bridge=auto
PrimusLibraryPath=/usr/lib/x86_64-linux-gnu/primus:/usr/lib/i386-linux-gnu/primus
AllowFallbackToIGC=false
Driver=nvidia
[driver-nvidia]
KernelDriver=nvidia
PMMethod=auto
LibraryPath=/usr/lib/nvidia-367:/usr/lib32/nvidia-367
XorgModulePath=/usr/lib/xorg,/usr/lib/xorg/modules
XorgConfFile=/etc/bumblebee/xorg.conf.nvidia
Driver=nouveau
[driver-nouveau]
KernelDriver=nouveau
PMMethod=auto
XorgConfFile=/etc/bumblebee/xorg.conf.nouveau
Eseguire quanto segue e registrare l'indirizzo PCI della scheda video.
$ lspci | egrep 'VGA|3D'
00:02.0 VGA compatible controller: Intel Corporation Device 5916 (rev 02)
01:00.0 3D controller: NVIDIA Corporation Device 179c (rev a2)
Modifica il file xorg.conf.nvidia in modo che conosca l'indirizzo PCI (01: 00.0 per me) della tua scheda video. Aggiorna l'indirizzo PIC come sotto nella sezione "ServerLayout"
sudo nano /etc/bumblebee/xorg.conf.nvidia
Inserisci:
Section "ServerLayout"
Identifier "Layout0"
Option "AutoAddDevices" "false"
Option "AutoAddGPU" "false"
BusID "PCI:01:00.0"
Riavvia il sistema e divertiti con l'esecuzione di alcuni codici di esempio.
sudo shutdown -r now
I passaggi che hanno funzionato per me:
sudo apt-get install nvidia-cuda-toolkit OPPURE 1 '. le istruzioni di installazione qui
Devi selezionare Software e aggiornamenti / Driver aggiuntivi il driver nvidia (375, nel mio contesto)
Seguire la schermata blu al riavvio e solo da lì disabilitare l'avvio sicuro immettendo la password impostata durante l'installazione del driver nvidia. (qualsiasi disabilitazione dell'avvio sicuro tramite il BIOS non ha funzionato per me).
Ora l'output del test di installazione ha esito positivo.
Ho scritto un post sul blog qualche tempo fa - Installazione di Nvidia CUDA toolkit - Ubuntu 16.04 LTS - note /
Il mio ambiente: doppio avvio Windows 10 e Ubuntu 16.04 LTS.
Copia e incolla qui alcuni importanti apprendimenti. Si prega di consultare il post sul blog per istruzioni dettagliate (solo per evitare duplicati)
Fare riferimento all'installazione di Nvidia CUDA toolkit - ubuntu 16.04 LTS - note /
Ho funzionato dopo aver letto diversi post: avevo già una scheda ATI nel computer che si è rivelata molto utile. Ho installato GTX 1070 insieme a ATI e ho iniziato a installare Kubuntu 16.04. Inizialmente solo il display collegato alla scheda ATI aveva un'immagine, che mi ha permesso di installare il driver NVIDIA-Linux-x86_64-367.27.run scaricato dal sito Web del fornitore. Per installare CUDA, ho scaricato il file cuda_7.5.18_linux.run. Ho installato il toolkit di cuda usando due interruttori:
cuda_7.5.18_linux.run --silent --toolkit
Gli esempi di cuda possono anche essere installati dal file .run. Un problema era che a cuda non piace gcc5. Così ho fatto sudo apt-get install gcc-4.8
e poi ho cambiato il gcc predefinito con questa versione:
cd /usr/bin/
sudo unlink gcc
sudo ln -s gcc4.8 gcc
sudo unlink g++
sudo ln -s g++-4.8 g++
Ho sostituito gcc in gcc5 dopo l'installazione di cuda. Anche la compilazione dei campioni di cuda deve essere eseguita con gcc4.8, gcc4.9 potrebbe funzionare ma non l'ho provato.
Un metodo generalmente preferito consiste nell'installare SW tramite file deb quando disponibili poiché forniscono un modo più affidabile per gestire le dipendenze e un metodo più affidabile per rimuovere SW. Il candidato alla versione CUDA 8.0 era disponibile per 16.04 (nella zona di sviluppo) in quel modo e ora CUDA 8.0 per Ubuntu 16.04 è disponibile tramite file deb (locale) e (rete): https://developer.nvidia.com/cuda -downloads
Solo un gentile promemoria, Ubuntu 16.04 potrebbe non installare cuda nella posizione presunta /usr/local/cuda-8.0.61
. Quindi export PATH=/usr/local/cuda-8.0.61/bin${PATH:+:${PATH}}
potrebbe non funzionare.
Quando stavo cercando di installare "cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb" su Ubuntu 16.04, ho semplicemente seguito le istruzioni qui http://docs.nvidia.com/cuda/cuda -installation-guide-linux / index.html # azioni post-installazione . Tuttavia, non sono stato in grado di compilare cuda-install-samples-8.0.61.sh \ home o nvcc -V
Si è scoperto che Ubuntu ha installato cuda /usr/local/cuda-8.0
invece della posizione presunta /usr/local/cuda-8.0.61
. Quindi ho cambiato export PATH=/usr/local/cuda-8.0.61/bin${PATH:+:${PATH}}
in export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
e ho installato con successo cuda.
La risposta accettata non ha funzionato per il mio caso. Stavo installando CUDA 8.0 sul mio labtop con le seguenti specifiche:
La seguente guida installa prima il driver NVIDIA, quindi installa CUDA 8.0.
Nell'elenco, trova la tua scheda grafica. Tra i driver che possono essere utilizzati per la scheda, scegliere il driver proprietario da NVIDIA. Quindi premere il pulsante [Applica modifiche]. Nel mio caso, sotto il nome della scheda grafica "NVIDIA Corporation: GM107M [Geforce GTX 950M]", c'erano due selezioni:
Elimina i driver video installati predefiniti con $ sudo apt remove xserver-xorg-video*
.
cuda_8.0.61_375.26_linux.run
.$ sudo sh cuda_8.0.61_375.26_linux.run
.
375.66
, che è superiore a quella 375.26
contenuta nel programma di installazione, ho scelto di non installare.ld.so.conf
e si verifica il seguente errore:, libEGL.so.1 is not a symbolic link
seguire la direzione da questo collegamento .Questa è una risposta incredibile mentre stavo avvitando il mio laptop più volte mentre lo scrivevo. Tuttavia, preferisco tenerlo a lungo poiché potrebbe essere utile anche per altre persone;) La parte migliore della mia risposta parte da Edited-Updated
Sooooo, ho letto tutte le risposte qui e in altri posti, non so perché, ma ognuna di esse mi provoca un problema :(
Dopo 4 giorni, reinstallare Linux avanti e indietro qui è il modo in cui ha funzionato per me.
Prima di passare alla procedura principale voglio menzionare un metodo alternativo.
metodo alternativo se si utilizza un laptop:
Quindi puoi passare tra il tuo nvidia e la tua Intel Gpu sul tuo laptop usando
sudo prime-select intel
sudo prime-select nvidia
In altre parole, è possibile passare a Intel e installare nvidia e tornare a Intel per usi normali e ogni volta che si desidera utilizzare il deep learning passare a nvidia one.
Comunque,
lasciami parlare del metodo principale che finalmente funziona per me (le informazioni qui sono principalmente prese da Link ):
Eliminazione ed eliminazione di tutte le cose nvidia / cuda esistenti:
sudo apt-get remove --purge nvidia-*
sudo apt-get purge nvidia-cuda*
sudo apt-get purge nvidia-*
sudo /usr/bin/nvidia-uninstall
sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl
sudo rm -rf /etc/modprobe.d/blacklist-nouveau.conf
Quindi, aggiorniamo semplicemente tutto:
sudo apt-get update
sudo apt-get upgrade
sudo apt-get dist-upgrade
sudo reboot
Ora, ci sarebbe la possibilità che non riesci ad accedere e rimani bloccato nel loop ...
Nessun problema, l'ho affrontato più di 50 volte ...
premere ctr+alt+F2
digitare nome utente e password
ora digita questi:
sudo service lightdm stop
Opzionale, alcune persone devono anche digitare questo, onestamente idk a cosa serve: sudo init 3
sudo nano /etc/modprobe.d/blacklist-nouveau.conf
Inserisci
blacklist nouveau
options nouveau modeset=0
ad esso e salvarlo ed uscire.
Quindi digitare:
sudo update-initramfs -u
vai al file che hai cuda .run file lì e digita:
sudo sh cuda_8.0_linux.run --override
sudo service lightdm start
sudo reboot
Quindi, se sei fortunato, dovresti essere in grado di accedere ora. Come puoi immaginare, non sono stato fortunato e non riesco ancora ad accedere ****. Quindi ho dovuto premere di ctr+Alt+F2
nuovo e fare quanto segue:
sudo ubuntu-drivers autoinstall
sudo reboot
Ora potrei finalmente accedere.
Ora è il momento di impostare i percorsi e controllare le installazioni.
genere:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
nvidia-smi
nvcc -V
dovrebbe mostrarti che hai cuda 8.
Anche nel caso in cui sia possibile eseguire anche queste operazioni:
export PATH=$PATH:/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
gedit ~/.bashrc
aggiungere questi alla fine:
export PATH=$PATH:/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
# Added by me on 2013/06/24
PATH=~/bin:$PATH
export PATH
Salva ed esci da gedit. Genere:
sudo ldconfig /usr/local/cuda-8.0/lib64
Una domanda per le persone che sanno più di me:
Quindi tutto sembra funzionare, ma quando arresto / riavvio il sistema per alcuni secondi, viene visualizzato
Quindi tutto sembra funzionare ma quando spengo / riavvio il mio sistema per alcuni secondi mostra "Impossibile avviare il caricamento dei moduli del kernel" Ho provato questo post ma non aiuta, per favore fatemi sapere se sapete come risolverlo.
----------------
A cura-Aggiornamento
Indovina un po ', ho fregato di nuovo.
Ma questa volta sono arrivato con una soluzione molto più semplice. ed ecco il punto principale: a volte dobbiamo dire NO
Ecco cosa funziona davvero bene per me. dopo aver eliminato e rimosso tutto e sudo riavvio, procedere come segue:
sudo ubuntu-drivers autoinstall
sudo reboot
premere ctr+alt+F2
digitare nome utente e password
ora digita questi:
sudo service lightdm stop
sudo sh cuda_8.0_linux.run
IMPORTANTE: durante l'installazione, la prima domanda richiede di reinstallare nuovamente il driver, DIRE NO a questa domanda f **** Dì sì al resto di loro: D dopo aver terminato.
sudo service lightdm start
press `alt+ctr+F7`
accedi al tuo caro PC
Ha funzionato? Prego :)
Inizialmente ho provato a fare queste sudo lightdm stop
cose, ma ha portato a un ciclo di accesso. Quindi ho trovato un nuovo metodo:
Copia il file cuda_9.0.176_384.81_linux.run
(nel mio caso era runfile) in qualsiasi directory /home/<your_username>
come download o documenti o ovunque.
Dopo di che riavvia il computer e quando appare il menu di avvio di Ubuntu vai su 'Opzioni avanzate → Modalità di recupero' (se non appare tieni premuto il shifttasto durante l'avvio)
Seleziona 'drop to root shell', premi INVIO per procedere quando ti viene chiesto di premere invio o Ctrl-D.
Modifica : Esegui mount -o rw,remount /
per ottenere i privilegi di lettura-scrittura.
Vai in quella directory in cui hai copiato il file di installazione di cuda.
Esegui il comando in base al tipo di file, si può trovare su https://developer.nvidia.com/cuda-downloads dopo aver selezionato la destinazione desiderata come hai fatto in precedenza. Nel mio caso lo erasudo sh cuda_*.run
Questo è un passo importante e procedi lentamente e con attenzione , quando la lunga informazione / accordo termina ACCETTA .
Quindi chiederà dell'INSTALLAZIONE DEL DRIVER NVIDIA premere yes ( y ).
Quindi probabilmente chiederà l' installazione delle librerie OpenGL , la salterà perché potrebbe ignorare la normale installazione del driver e causare problemi , nel mio caso lo ha fatto. Quindi premere no ( n ).
Quindi vai avanti con tutte le installazioni e si completerà automaticamente e alla fine mostrerà il file di log in/tmp
.
Ora riavvia il sistema inserendo il comando reboot nella shell della modalità di ripristino.
Dopo l'avvio del sistema, potrebbe non essere possibile visualizzare i file di esempio CUDA, poiché è necessario completare questi due passaggi obbligatori successivi all'installazione:
[A] Aggiungi il percorso corretto per cuda.
[B] Aggiungi il percorso corretto per LD_LIBRARY_PATH
Aggiungi il percorso al file ~ / .bashrc ed esegui source ~/.bashrc
per rendere permanente il percorso in modo che non svanisca dopo il riavvio, confermalo chiudendo il terminale corrente ed eseguendo nuovamente il secondo comando nel passaggio 12 in un altro terminale.
Fare riferimento a Vai a 7. Azioni successive all'installazione
Per verificare se CUDA è installato correttamente o meno, esegui entrambi i comandi indicati di seguito e controlla se nvcc -V
restituisci output o meno
cat /proc/driver/nvidia/version
nvcc -V
Vai a ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery
, quindi esegui questi:
make
./deviceQuery
e abbina l'output con questa immagine , potresti essere diverso ma il formato di output dovrebbe corrispondere.
Congratulazioni per aver installato CUDA Toolkit correttamente . Dopodiché vai qui e prova alcuni esempi Vai a 7.2 Azioni consigliate .
CORTESIA - CUDA TOOLKIT DOCS
PS - Qualsiasi tipo di critica è benvenuta, mi scuso in anticipo per eventuali errori, questa è la mia prima risposta su askubuntu.com.
GRAZIE TANTO PER LA LETTURA :)
Dopo averlo fatto più volte, perdendo il mio display con successo / insuccesso, venendo qui - ottenendo approfondimenti - alcune librerie cuda non sono nel percorso, mancanti, non installate - il modo sano è installare semplicemente i driver linux per la tua scheda nvidia https: // medium.com/techlogs/install-the-right-nvidia-driver-for-cuda-in-ubuntu-2d9ade437dec e lavora su immagini docker nvidia-cuda - base o sviluppo.
Esegui la mappatura del volume dalla cartella del codice al contenitore - installa ciò che desideri - Lo stesso con il lavoro con keras o tensorflow o semplicemente con l' opencv
docker run --net = host --runtime = nvidia -it -v ~ / coding: / codifica nvidia / cuda: / bin / bash
Nota TF viene fornito con la sua finestra mobile