纯净Ubuntu16安装CUDA(9.1)和cuDNN-低调大师

纯净Ubuntu16安装CUDA(9.1)和cuDNN

2021-09-27 484

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

自己有一台2015年的联想笔记本，显卡是GTX950M，已安装ubuntu 16.04 LTS桌面版，为了使用其GPU完成deeplearning4j的训练工作，自己动手安装了CUDA和cuDNN，在此将整个过程记录下来，以备将来参考，整个安装过程分为以下几步：

准备工作
安装Nvidia驱动
安装CUDA
安装cuDNN

特别问题说明

按照一般步骤，在安装完Nvidia显卡驱动后，会提示对应的CUDA版本，接下来按照提示的版本安装CUDA，例如我这里提示的是11.2，正常情况下，我应该安装11.2版本的CUDA
但是我选择9.1版本就行安装，因为之前的开发中发现deeplearning4j使用了11.2的SDK后，启动应用会有ClassNotFound的错误，此问题至今未修复(惭愧，欣宸水平如此之低...)，因此，我在Nvidia驱动提示11.2版本的情况下，依然安装了9.1版本，后来在此环境运行deeplearning4j应用一切正常
如果您没有我这类问题，完全可以按照驱动指定的版本来安装CUDA，具体的操作步骤稍后会详细说到；

准备工作

接下来的操作，除了在网页下载，其余都是ssh远程连接到ubuntu机器操作的，ssh登录的帐号为普通帐号，并非root
如果已有驱动，请先删除：

sudo apt-get remove --purge nvidia*

禁用nouveau驱动（很重要），用vi打开文件/etc/modprobe.d/blacklist.conf，在尾部增加以下内容，然后保存退出：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

关闭nouveau：

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

更新initramfs:

update-initramfs -u

执行reboot重启电脑
重启后，执行以下命令，应该不会有任何输出，证明nouveau已经禁用：

lsmod|grep nouveau

获取Kernel source：

sudo apt-get install linux-source

安装过程中显示信息如下图：

根据上图红框中的信息，可知内核版本号为，于是执行以下命令：

sudo apt-get install linux-headers-4.4.0-210-generic

下载和安装Nvidia驱动

访问Nvidia网站，地址https://www.nvidia.cn/Download/index.aspx?lang=cn，然后选择对应的显卡和操作系统，我的选择如下图所示：

点击上图搜索按钮后，进入下图页面，点击下载：

下载得到的文件名为NVIDIA-Linux-x86_64-460.84.run
关闭图形页面：

sudo service lightdm stop

给驱动文件增加可执行权限：

sudo chmod a+x NVIDIA-Linux-x86_64-460.84.run

开始安装：

sudo ./NVIDIA-Linux-x86_64-460.84.run -no-x-check -no-nouveau-check -no-opengl-files

遇到下图，选择红框：

遇到下图，直接回车：
恢复图形页面：

sudo service lightdm start

执行命令nvidia-smi，如果驱动安装成功，会显示以下内容：

will@lenovo:~/temp/202106/20$ nvidia-smi
Sun Jun 20 09:02:11 2021       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.84       Driver Version: 460.84       CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce GTX 950M    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   41C    P0    N/A /  N/A |      0MiB /  4046MiB |      1%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

从上述内容可见CUDA Version: 11.2表示该驱动对应的CUDA版本应该是11.2，正如前面所说，我这边遇到了问题，因此接下来会安装9.1版本，但是您可以选择安装11.2

安装CUDA

浏览器访问https://developer.nvidia.com/cuda-toolkit-archive，点击红框中的链接：

如下图，下载Linux版本：

继续选择x86_64：

选择具体的Linux版本及其版本号：

要下载的东西不少，一个安装程序和三个补丁：

上述四个文件的下载地址整理如下：

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/local_installers/cuda_9.1.85_387.26_linux.run?P0Ntu_6NLtuuEMm6fJRk1W5vl4KM7oaT1oFW870zKJ-zDw2ckKntFLOE6klRJfw2CmTa8z3Q390_6urlgc6LqjoqlIFW9gvfvDCusnINYplLaw1u8lRY8R4oVNtpNzaXU4BQcHjvdb6c6rjq20dktCcRd4640woXt1yHmD95v1Du7wdBBXq2eOY

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/1/cuda_9.1.85.1_linux.run?yeXf_7wIGlHAUw--E_YVLQZRgXv0x2i043woJVY-ydXU5Kyhc-eYQf5JmL-4mvYmlvPYCEc5RhT2sDWscX20CJbdOwpkt30kWb9vx8E4oIlajDQ3MVPvXdiKKsIOBUx-h0q0N0jSkNn80VMhW-nk8jwvRY_e6MuFzqWBaPk

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/2/cuda_9.1.85.2_linux.run?5jGZxNigaOJkaaPbMagjhSW7ebQvYGyYoqe2vBxZ1eV8qp2BzXJLxIPgAo11UgWhORirQkdJGq5b8eFh4aShBVUTmuPaasvRiMCKDZw5yjjIobGQrCEyU-LFO59AbrRER57Mxa0T1Sc97fC80IOZq8Ox2repjn7A3oYVgd8

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/3/cuda_9.1.85.3_linux.run?CxWimJTC-XROYihig-UZmH62odbJInf1fmxTZ_bsW1nQ0Zz5cL5r8qLmlMR_1j2rVhk3j8Z5lS6dpArt8frjGHH2MeVn5TefMoclam8udm-RSMMmqHXYE66hHN2D0drVEdtCwe8ZrEIYb2rpucaz9svCFE8Z319mge4Ju94

下载完毕后，执行命令chmod a+x *.run为上述四个文件增加可执行权限
安装CUDA：

sudo sh cuda_9.1.85_387.26_linux.run

遇到license时，像是用vi工具那样，输入":"，再输入"q"回车，就能跳过license阅读，执行真正的安装操作了：

接下来是一系列提问，每一个提问的回答如下图，千万注意红框中的问题一定要选择n：

安装完成后输出以下内容：

Installing the CUDA Toolkit in /usr/local/cuda-9.1 ...
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so
Missing recommended library: libGL.so

Installing the CUDA Samples in /home/will ...
Copying samples to /home/will/NVIDIA_CUDA-9.1_Samples now...
Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-9.1
Samples:  Installed in /home/will, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-9.1/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.1/lib64, or, add /usr/local/cuda-9.1/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.1/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.1/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_13425.log

打开文件~/.bashrc，在尾部增加以下两行(LD_LIBRARY_PATH如果已经存在，请参考PATH的写法改成追加)：

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64

执行命令source ~/.bashrc使配置生效
执行命令su -切换到root帐号，执行以下命令（不要用sudo，而是切到root帐号）：

sudo echo "/usr/local/cuda-9.1/lib64" >> /etc/ld.so.conf

再以root身份执行以下命令：

ldconfig

执行命令exit退出root身份，现在又是普通帐号的身份了
执行命令nvcc -V检查CUDA版本，注意参数V是大写：

will@lenovo:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

安装第一个补丁：

sudo sh cuda_9.1.85.1_linux.run

安装第二个补丁：

sudo sh cuda_9.1.85_387.26_linux.run

安装第三个补丁：

sudo sh cuda_9.1.85_387.26_linux.run

安装cuDNN

浏览器访问https://developer.nvidia.com/zh-cn/cudnn：

按提示登录，如果没有帐号请注册一个，登录后进入下载页面，需要点击下图红框位置才有能见到老版本：

选择与CUDA匹配的版本：

下载后解压，得到文件夹cuda，然后执行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行检查确认的命令cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2，如果安装顺利会有以下输出：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 3
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

至此，Ubuntu16安装CUDA(9.1)和cuDNN已经完成了，希望能给您一些参考。

你不孤单，欣宸原创一路相伴

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界... https://github.com/zq2599/blog_demos

微信关注我们

原文链接：https://my.oschina.net/zq2599/blog/5270494

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

G1 垃圾收集器是如何对待我们 JVM

什么是 G1 收集器 G1 收集器是一款面向服务器端应用的垃圾收集器，它既可以用在新生代，也可以用在老年代。G1 是 Hotspot JDK1.7 后提供的面向大内存（Heap 区数 G 到数 10G ）、多核系统的收集器，能够实现软停顿目标收集并且具有高吞吐量，具有更可预测的停顿时间。 G1 是一种并发、并行、部分 Stop The World、使用复制算法收集的分代的增量式收集器，G1 的全堆的操作，像global marking，是和应用(mutator)并发执行的，这样可以减少对 mutator 的暂停时间。清除阶段则使用多线程来提高吞吐量。与 Hotspot 之前的 Serial、Parallel、CMS 等收集器不同的是，G1将堆分为很多大小相等的Region, 每次收集时会判断各Region 的活性，即垃圾对象的占比，垃圾对象占比越多的 Region，回收的收益越大，然后G1会按照设置的停顿时间目标、前几次回收 Region 所用时间来估算要回收哪些Region,即用最小的时间获取最大的收益，这也是 Garbage First 名字的含义。 Garbage First ...

2021-09-28

436

一、说明本文主要是给大家介绍 OIDC 的核心概念以及如何通过对 Spring Security 的授权码模式进行扩展来实现 OIDC 的单点登录。 OIDC 是 OpenID Connect 的简称，OIDC=(Identity, Authentication) + OAuth 2.0。它在 OAuth2 上构建了一个身份层，是一个基于 OAuth2 协议的身份认证标准协议。我们都知道 OAuth2 是一个授权协议，它无法提供完善的身份认证功能，OIDC 使用 OAuth2 的授权服务器来为第三方客户端提供用户的身份认证，并把对应的身份认证信息传递给客户端，且完全兼容 OAuth2。 PS：理解 OIDC 的前提是需要理解 OAuth2，如果对 OAuth2 的单点登录的原理和流程还不太了解的可以看我之前的文章《Spring Security基于Oauth2的SSO单点登录怎样做？一个注解搞定》二、OIDC核心概念 OAuth2 提供了 Access Token 来解决授权第三方客户端访问受保护资源的问题；OIDC 在这个基础上提供了 ID Token 来解决第三方客户端标...

2021-09-28

448

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。