当前位置： 首页 > news >正文

有专门做预算的网站没,找别人做网站要注意什么,网站都是h5响应式,排名seo软件文章目录 1、安装P40显卡驱动1.1 查看机器上有哪些显卡1.2 禁用nouveau1.3 安装依赖1.4 安装驱动 2、安装CUDA2.1 安装2.2 测试是否安装成功 3、安装cuDNN3.1 安装3.2 测试是否安装成功 4、总结 1、安装P40显卡驱动 1.1 查看机器上有哪些显卡 lspci | grep -i vga lspci | gr… 文章目录 1、安装P40显卡驱动1.1 查看机器上有哪些显卡1.2 禁用nouveau1.3 安装依赖1.4 安装驱动 2、安装CUDA2.1 安装2.2 测试是否安装成功 3、安装cuDNN3.1 安装3.2 测试是否安装成功 4、总结 1、安装P40显卡驱动 1.1 查看机器上有哪些显卡 lspci | grep -i vga lspci | grep -i nvidia1.2 禁用nouveau nouveau是N卡的开源驱动linux会自动安装不是NVIDIA官方的安装官方驱动前需先禁止掉它。 执行 lsmod | grep nouveau如果有输出说明未禁用如果没有输出说明已禁用。 如果未禁用则执行如下操作 vim /usr/lib/modprobe.d/dist-blacklist.conf注释掉 blacklist nvidiafb 这一行然后添加下面两行 blacklist nouveau options nouveau modeset0然后重建initramfs image执行下面的命令 mv /boot/initramfs-\((uname -r).img /boot/initramfs-\)(uname -r)-nouveau.img dracut /boot/initramfs-\((uname -r).img \)(uname -r)重启系统 reboot再执行 lsmod | grep nouveau如果没有输出说明已禁用。 1.3 安装依赖 yum install kernel-devel kernel-headers gcc dkms gcc-c可能出现问题的解决是因为我安装了anaconda3引起的 (base) [rootclang ~]# yum install kernel-devel kernel-headers gcc dkms gcc-c There was a problem importing one of the Python modules required to run yum. The error leading to this problem was:/home/anaconda3/lib/liblzma.so.5: version XZ_5.1.2alpha not found (required by /lib64/librpmio.so.3)Please install a package which provides this module, or verify that the module is installed correctly.Its possible that the above module doesnt match the current version of Python, which is: 2.7.5 (default, Jun 20 2023, 11:36:40) [GCC 4.8.5 20150623 (Red Hat 4.8.5-44)]If you cannot solve this problem yourself, please go to the yum faq at:http://yum.baseurl.org/wiki/Faq找了一些方案是做软链接但是这个问题修复之后还会出现其他库找不到的情况。这时简单的处理方法就是先卸载anaconda3安装完之后再重装上。 1.4 安装驱动 官方下载页根据你的显卡型号搜索。我的显卡是Tesla P4用的是CUDA 11.2所以这是我的型号的下载链接。 下载完后执行 chmod x NVIDIA-Linux-x86_64-460.106.00.run ./NVIDIA-Linux-x86_64-460.106.00.run –kernel-source-path/usr/src/kernels/3.10.0-1160.83.1.el7.x86_64 -no-x-check –no-opengl-files

–kernel-source-path的值是装完依赖后才有这个路径

远程安装会检测x server要让它不检测

不安装opengl,因为安装opengl,CentOS界面UI不能正常启动–kernel-source-path/usr/src/kernels/3.10.0-1160.83.1.el7.x86_64 参数的路径需要根据自己内核的目录来修改

安装过程中 Would you like to register the kernel module sources with DKMS? 选yes(服务器选yes本地选no) Install NVIDIA’s 32-bit compatibility libraries? 选yes 安装完成后执行 nvidia-smi如果有输出说明驱动已安装。
安装过程中可能出现异常的解决 在安装驱动的过程中我遇到了找不到内核的问题这时可以通过yum命令安装相应内核来解决可能用到的命令需根据自己报错来修改内核版本名称 sudo yum install linux-headers-3.10.0-1160.92.1.el7.x86_64 sudo yum install kernel-devel-3.10.0-1160.92.1.el7.x86_642、安装CUDA 2.1 安装 官方下载页我下载的是11.2.2的run版本。 chmod x cuda_11.2.2_460.32.03_linux.run ./cuda_11.2.2_460.32.03_linux.run –no-opengl-libs安装时X表示选中即安装空白表示不选中即不安装。驱动前面已经安装了不用再安装。设成下面的样子再Install。 CUDA Installer

• [ ] Driver[ ] 460.32.03[X] CUDA Toolkit 11.2[X] CUDA Samples 11.2[X] CUDA Demo Suite 11.2[X] CUDA Documentation 11.2OptionsInstall安装完后配置环境变量 vim /etc/profile

  添加下面两行路径要和上图中一样

  export PATH/usr/local/cuda-11.2/bin:\(PATH export LD_LIBRARY_PATH/usr/local/cuda-11.2/lib64:\)LD_LIBRARY_PATH# 保存并重新加载 source /etc/profile2.2 测试是否安装成功 终端输入cuda并连按两次tab若有候选命令则再执行nvcc –version有输出版本信息就是安装成功。
  3、安装cuDNN 3.1 安装 官方下载页在页面内下载针对前面匹配的11.x版本下载时会提示登录NVIDIA账号注册账号并登录就可以下载了下载后执行下面的命令 tar -xvf cudnn-linux-x86_64-8.7.0.84_cuda11-archive.tar.xz

  以下三行命令from https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html

  参考链接中这一步复制的文件和官方文档中不太一样

  cp cudnn--archive/include/cudnn.h /usr/local/cuda/include cp -P cudnn--archive/lib/libcudnn /usr/local/cuda/lib64 chmod ar /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*3.2 测试是否安装成功 新建一个cudnn_test.cu文件 #include stdio.h #include stdlib.h #include cuda_runtime.h #include cudnn.h#define CHECK_CUDA_ERROR(call) { \cudaError_t error call; \if (error ! cudaSuccess) { \printf(CUDA error: %s, line %d\n, cudaGetErrorString(error), LINE); \exit(1); }
  }#define CHECK_CUDNN_ERROR(call) { \cudnnStatus_t status call; \if (status ! CUDNN_STATUS_SUCCESS) { \printf(CUDNN error: %s, line %d\n, cudnnGetErrorString(status), LINE); \exit(1); }
  }void initialize(float *matrix, int size) {for (int i 0; i size; i) {matrix[i] rand() / (float)RAND_MAX; // Initialize with random values} }int main() {const int N 1024; // Matrix sizeconst int K 1024;const int M 1024;// Allocate memory on hostfloat A (float)malloc(N * K * sizeof(float));float B (float)malloc(K * M * sizeof(float));float C (float)malloc(N * M * sizeof(float));// Initialize matricesinitialize(A, N * K);initialize(B, K * M);// Allocate memory on devicefloat *d_A, *d_B, *d_C;CHECK_CUDA_ERROR(cudaMalloc(d_A, N * K * sizeof(float)));CHECK_CUDA_ERROR(cudaMalloc(d_B, K * M * sizeof(float)));CHECK_CUDA_ERROR(cudaMalloc(d_C, N * M * sizeof(float)));// Copy data from host to deviceCHECK_CUDA_ERROR(cudaMemcpy(d_A, A, N * K * sizeof(float), cudaMemcpyHostToDevice));CHECK_CUDA_ERROR(cudaMemcpy(d_B, B, K * M * sizeof(float), cudaMemcpyHostToDevice));// Create CUDNN contextcudnnHandle_t cudnn;CHECK_CUDNN_ERROR(cudnnCreate(cudnn));// Define tensor descriptorscudnnTensorDescriptor_t descA, descB, descC;CHECK_CUDNN_ERROR(cudnnCreateTensorDescriptor(descA));CHECK_CUDNN_ERROR(cudnnCreateTensorDescriptor(descB));CHECK_CUDNN_ERROR(cudnnCreateTensorDescriptor(descC));CHECK_CUDNN_ERROR(cudnnSetTensor4dDescriptor(descA, CUDNN_TENSOR_NCHW, CUDNN_DATA_FLOAT, 1, N, K, 1));CHECK_CUDNN_ERROR(cudnnSetTensor4dDescriptor(descB, CUDNN_TENSOR_NCHW, CUDNN_DATA_FLOAT, 1, K, M, 1));CHECK_CUDNN_ERROR(cudnnSetTensor4dDescriptor(descC, CUDNN_TENSOR_NCHW, CUDNN_DATA_FLOAT, 1, N, M, 1));// Define convolution descriptors (in this case, its just matrix addition)cudnnOpTensorDescriptor_t opDesc;CHECK_CUDNN_ERROR(cudnnCreateOpTensorDescriptor(opDesc));CHECK_CUDNN_ERROR(cudnnSetOpTensorDescriptor(opDesc, CUDNN_OP_TENSOR_ADD, CUDNN_DATA_FLOAT, CUDNN_NOT_PROPAGATE_NAN));// Perform the operationfloat alpha 1.0f;float beta 0.0f;CHECK_CUDNN_ERROR(cudnnOpTensor(cudnn, opDesc, alpha, descA, d_A, alpha, descB, d_B, beta, descC, d_C));// Copy the result back to hostCHECK_CUDA_ERROR(cudaMemcpy(C, d_C, N * M * sizeof(float), cudaMemcpyDeviceToHost));// CleanupcudaFree(d_A);cudaFree(d_B);cudaFree(d_C);cudnnDestroyTensorDescriptor(descA);cudnnDestroyTensorDescriptor(descB);cudnnDestroyTensorDescriptor(descC);cudnnDestroyOpTensorDescriptor(opDesc);cudnnDestroy(cudnn);free(A);free(B);free©;printf(Operation completed successfully.\n);return 0; }编译 nvcc -o cudnn_test cudnn_test.cu -lcudnn执行 ./cudnn_test4、总结 至此显卡驱动、CUDA和cuDNN就安装完成了安装过程中主要是禁用开源显卡驱动和操作系统内核版本的匹配安装。 提示更多内容可以访问Clang’s Bloghttps://www.clang.asia