CentOS 7 环境配置

1. 检查GPU设备识别

  $ yum install pciutils
  $ sudo lspci | grep NVIDIA
  3D controller: NVIDIA Corporation GK210GL [Tesla K80] 表示识别为K80
  3D controller: NVIDIA Corporation Device 1b38 (rev a1) 表示为P40CopyErrorSuccess

2. 获取cuda网络源，并配置

NVidia官方源地址http://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/

  $ wget http://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-8.0.61-1.x86_64.rpm
  $ rpm -Uvh cuda-repo-rhel7-8.0.61-1.x86_64.rpmCopyErrorSuccess

注：安装nvidia驱动需要kernel-devel包，安装方法如下：

  $ wget http://vault.centos.org/7.0.1406/updates/x86_64/Packages/kernel-devel-3.10.0-123.4.4.el7.x86_64.rpm
  $ wget http://vault.centos.org/7.0.1406/updates/x86_64/Packages/kernel-headers-3.10.0-123.4.4.el7.x86_64.rpm
  $ rpm -Uvh kernel-devel-3.10.0-123.4.4.el7.x86_64.rpm
  $ rpm -Uvh kernel-headers-3.10.0-123.4.4.el7.x86_64.rpmCopyErrorSuccess

3. 安装cuda 8.0

$ yum install cuda-8-0

3.1 查看驱动状态

$ sudo nvidia-smiCopyErrorSuccess

看到如下输出表示GPU驱动正常：

4. 测试GPU基本功能（可选）

4.1 增加LD path

4.2 安装cuda examples

  $ cd /usr/local/cuda/bin
  $ sh cuda-install-samples-8.0.sh ~/cuda-test/
  $ cd ~/cuda-test/NVIDIA_CUDA-8.0_Samples
  $ make
  $ ./bin/x86_64/linux/release/deviceQuery 获取设备状态
  $ ./bin/x86_64/linux/release/bandwidthTest 测试设备带宽CopyErrorSuccess

Note: 如果编译过程发现lnvcuvid的错误，可以执行：

其中nvidia-375是当前安装的驱动的版本

5. 安装cudnn

选装，注：不同AI框架对cudnn的版本支持不同

5.1 下载cudnn软件包

，需要注册nvidia账号后才能下载。

注意：CentOS 下载 cuDNN v5.1 Library for Linux

5.2 安装

案例使用cudnn5.1, 因为TensorFlow目前仅支持5.1 $ tar -zxf cudnn-8.0-linux-x64-v5.1.tgz

解压的路径可以自由选择，一般是/usr/lib下面，这边假设为 $ export LD_LIBRARY_PATH=:$LD_LIBRARY_PATH

FAQ

1. nvidia-smi 发现 GPU使用率100%，为什么？

这个问题是系统读取gpu状态信息不准确导致，执行下列命令可更正，让系统读取命令正确。 # nvidia-smi -pm 1

最近更新时间：2025-01-17 08:12:35