标签：用户名 dml upn dnn 版本 生效 屏蔽 安装测试 any
Ubuntu16.04.5 配置英伟达NVIDIA 显卡 驱动实现GPU加速标签（空格分隔）： 运维系列
- 一：系统环境初始化与系统包准备
- 二：安装测试步骤
apt-get update
apt-get install vim openssh-server准备系统所需要的安装包
NVIDIA-Linux-x86_64-440.44.run
cuda_10.2.89_440.33.01_linux.run
1. 到官网上下载自己GPU对应版本的显卡驱动。
下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn
选择你的显卡驱动版本 点击搜索下载即可
屏蔽自带的显卡驱动
1） vim /etc/modprobe.d/blacklist.conf
2） 在最后一行加上：blacklist nouveau ，这里是将Ubuntu自带的显卡驱动加入黑名单
3） 在终端输入：update-initramfs –u，使修改生效
4 ) 从新启动系统： reboot
５）打开终端输入lsmod | grep nouveau，没有输出，则屏蔽成功
6 ) service lightdm stop
安装 NVIDIA-Linux-x86_64-440.44.run
./NVIDIA-Linux-x86_64-440.44.run
1. 下载CUDA
下载地址：https://developer.nvidia.com/cuda-downloads
cuda_10.2.89_440.33.01_linux.run
./cuda_10.2.89_440.33.01_linux.run
配置环境变量
vim /etc/profile
----
到最后加上
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$PATH
----
source /etc/profile
测试是否安装成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
make
./deviceQuery
1. 下载
网址：https://developer.nvidia.com/rdp/cudnn-download
需要自己注册用户名与密码登录 才能下载
cudnn-10.2-linux-x64-v7.6.5.32.tgz
测试所需包
tar -zxvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
cd cuda/
cp include/cudnn.h /usr/local/cuda/include/
cp lib64/lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
验证是否安装成功
网址：https://developer.nvidia.com/rdp/cudnn-download
下载
libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig 
dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.2_amd64.deb
cp -r /usr/src/cudnn_samples_v7/ /home/el/
cd /home/el/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
Anaconda3-2019.10-Linux-x86_64.sh
chmod +x Anaconda3-2019.10-Linux-x86_64.sh
vim /etc/profile
------
增加
export PATH=/opt/anaconda3/bin:$PATH
------
conda -V
1. 下载
网址：https://pypi.org/project/opencv-python/#files
因为安装的python是3.7的，所以opencv名字中要是"cp37"的。
想要安装opencv3，所以名字中要为opencv_python-3.****
我的系统是linux 64位的的，所以名字要是***linux1_x86_64**
软件：
opencv_python-4.1.2.30-cp37-cp37m-manylinux1_x86_64.whl
pip install opencv_python-4.1.2.30-cp37-cp37m-manylinux1_x86_64.whl
conda list |grep opencv
apt-get install cmake
cmake --version 
在Ubuntu16.04默认安装的cmake版本为3.5.x，可通过一下命令，查看版本。
cmake --version
有时需要安装高版本的cmake。
1.卸载旧版本
apt-get autoremove cmake
2.以安装3.12.3版本为例
$ sudo apt-get install build-essential
$ wget http://www.cmake.org/files/v3.12/cmake-3.12.3.tar.gz
3.解压、安装
$ tar xf cmake-3.12.3.tar.gz
$ cd cmake-3.11.3
$ ./configure
$ make
$ sudo make install
4.解决路径问题
export PATH=/usr/local/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
cmake
5.查看，安装成功
cmake --version
1. 下载源代码
apt-get install git
git clone --recursive https://github.com/dmlc/xgboost
2. 编译GPU共享库
cd xgboost
mkdir build
cd build
cmake .. -DUSE_CUDA=ON
make -j
3. 安装Python包
在xgboost根目录下
cd python-package
sudo python3 setup.py install
测试GPU加速
python3 tests/benchmark/benchmark.py
Ubuntu16.04.5 配置英伟达NVIDIA 显卡 驱动实现GPU加速
标签：用户名 dml upn dnn 版本 生效 屏蔽 安装测试 any
原文地址：https://blog.51cto.com/flyfish225/2461788
