ubuntu14.04安装CUDA8.0

ubuntu安装CUDA

因为深度学习需要用到CUDA，所以写篇博客，记录下自己安装CUDA 的过程。

1 安装前的检查

安装CUDA之前，首先要做一些事情，检查你的机器是否可以安装CUDA。

1.1 检查你的gpu是否是可以安装CUDA 的

运行如下命令：

$ lspci | grep -i nvidia

• 1

这个是我的机器的返回结果：

01:00.0 VGA compatible controller: NVIDIA Corporation GM107 [GeForce GTX 750 Ti] (rev a2)
01:00.1 Audio device: NVIDIA Corporation Device 0fbc (rev a1)

• 1
• 2
• 3

1.2 检查你的linux版本是否支持CUDA

运行如下命令：

 uname -m && cat /etc/*release

• 1

我的机器返回结果如下：

x86_64
DISTRIB_ID=Ubuntu
DISTRIB_RELEASE=14.04
DISTRIB_CODENAME=trusty
DISTRIB_DESCRIPTION="Ubuntu 14.04.2 LTS"
NAME="Ubuntu"
VERSION="14.04.2 LTS, Trusty Tahr"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 14.04.2 LTS"
VERSION_ID="14.04"
HOME_URL="http://www.ubuntu.com/"
SUPPORT_URL="http://help.ubuntu.com/"
BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/"
DISTRIB_ID=Ubuntu Kylin
DISTRIB_RELEASE=14.04
DISTRIB_CODENAME=trusty
DISTRIB_DESCRIPTION="Ubuntu Kylin 14.04"

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

x86_64代表你的机器是64位的，剩下的是解释的linux发行版信息。

如果是红帽，可能是这样的信息：

x86_64 
Red Hat Enterprise Linux Workstation release 6.0 (Santiago)

• 1
• 2
• 3

CUDA只支持一些特定的linux发行版，有Fedora,OpenSuSE,RHEL,CentOS,SLES,Ubuntu.

1.3 验证操作系统是否安装了gcc

在使用CUDA Tookit 开发的时候，gcc是需要的，但是运行CUDA程序的时候不需要。

gcc -v

• 1

我的结果是：

Using built-in specs.
COLLECT_GCC=gcc
COLLECT_LTO_WRAPPER=/usr/lib/gcc/x86_64-linux-gnu/4.7/lto-wrapper
Target: x86_64-linux-gnu
Configured with: ../src/configure -v --with-pkgversion='Ubuntu/Linaro 4.7.3-12ubuntu1' --with-bugurl=file:///usr/share/doc/gcc-4.7/README.Bugs --enable-languages=c,c++,go,fortran,objc,obj-c++ --prefix=/usr --program-suffix=-4.7 --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --with-gxx-include-dir=/usr/include/c++/4.7 --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-gnu-unique-object --disable-libmudflap --enable-plugin --with-system-zlib --enable-objc-gc --with-cloog --enable-cloog-backend=ppl --disable-cloog-version-check --disable-ppl-version-check --enable-multiarch --disable-werror --with-arch-32=i686 --with-abi=m64 --with-multilib-list=m32,m64,mx32 --with-tune=generic --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=x86_64-linux-gnu
Thread model: posix
gcc version 4.7.3 (Ubuntu/Linaro 4.7.3-12ubuntu1) 

• 1
• 2
• 3
• 4
• 5
• 6
• 7

1.4 验证linux内核是否有正确的系统头文件

输入：

uname -r

• 1

结果为：

3.16.0-53-generic

• 1
• 2

如果没有出现结果，就需要如下命令进行安装：

sudo apt-get install linux-headers-$(uname -r)

• 1

2 安装CUDA-Toolkit

点击官网链接：CUDA-Toolkit ，在Select Target Platform里，点击linux，86_64，Ubuntu，14.04，deb[network]，之后网页会自动弹出来安装指令：

Installation Instructions:
`sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb
`
`sudo apt-get update`
`sudo apt-get install cuda`

• 1
• 2
• 3
• 4
• 5

deb[network]和deb[local]的区别就是，local是把完整的安装文件一次下载下来后安装，而network是在线下载。依次运行这三个命令，可以将CUDA安装成功。

我在执行第一步的时候，出现了这个错误：

ws@ws-Lenovo:/media/ws/000F9A5700006688/Downloads$ sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb 
1404-8-0-local-ga2_8.0.61-1_amd64.deb
(Reading database ... 280787 files and directories currently installed.)
Preparing to unpack cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb ...
Unpacking cuda-repo-ubuntu1404-8-0-local-ga2 (8.0.61-1) over (8.0.61-1) ...
Setting up cuda-repo-ubuntu1404-8-0-local-ga2 (8.0.61-1) ...
run-parts: failed to stat component /etc/apt/trusted.gpg.d/wps-office-archive-keyring.gpg: No such file or directory
OK

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

之后我把wps-office给卸载了就没有问题了，应该是wps软连接的问题吧。以下是成功的信息：

ws@ws-Lenovo:/media/ws/000F9A5700006688/Downloads$ sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb 
(Reading database ... 279398 files and directories currently installed.)
Preparing to unpack cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb ...
Unpacking cuda-repo-ubuntu1404-8-0-local-ga2 (8.0.61-1) over (8.0.61-1) ...
Setting up cuda-repo-ubuntu1404-8-0-local-ga2 (8.0.61-1) ...
OK

• 1
• 2
• 3
• 4
• 5
• 6
• 7

3 安装之后要做的事

在安装之后，我们还需要做一些工作，才能真正完成CUDA的安装。

3.1 必须要做的事

添加CUDA的bin目录到PATH环境变量：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

• 1

之后在控制台输入nvcc –version，可以得到如下信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61

• 1
• 2
• 3
• 4
• 5

3.2 建议要做的事

之后我们可以安装一些官方的CUDA例子，来检验我们是否安装成功了。

进入CUDA目录/usr/local/cuda-8.0/bin，会发现在这个目录下，有一个名为cuda-install-samples-8.0.sh的文件，在控制台使用命令：

sudo  sh  cuda-install-samples-8.0.sh  "例子被创建的目录"

• 1

我使用的是/home目录。在我的/home目录下，有一个NVIDIA_CUDA-8.0_Samples 文件夹，里面就是官方的例子，进入这个目录，输入make进行编译。

sudo make

• 1

需要相当长一段时间才能编译完成。我在编译第三个sample的时候，遇到了一个错误

/usr/bin/ld: cannot find -lnvcuvid

• 1

刚开始以为是安装出错了，因为之前安装失败过一次，又手动把CUDA给卸载了。结果发现，是英伟达显卡驱动版本不同导致的.在NVIDIA_CUDA-7.0_Samples/3_Imaging/cudaDecodeGL/findgllib.mk文件中，

UBUNTU_PKG_NAME = "nvidia-367"

• 1
• 2

而我的英伟达驱动是375，于是只要把这行代码改成

UBUNTU_PKG_NAME = "nvidia-375"

• 1
• 2

就可以了，然后所有的例子都顺利的编译通过了。在编译完所有例子以后，会提示：

Finished building CUDA samples

• 1

之后运行一些例子，编译好的二进制文件，保存在~/NVIDIA_CUDA-8.0_Samples/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release 中，进入这个目录，输入ls，看到很多编译好的二进制文件。先运行deviceQuery。输入

sudo  ./deviceQuery

• 1

可以看到如下运行结果：

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 750 Ti"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 2000 MBytes (2096824320 bytes)
  ( 5) Multiprocessors, (128) CUDA Cores/MP:     640 CUDA Cores
  GPU Max Clock rate:                            1189 MHz (1.19 GHz)
  Memory Clock rate:                             2700 Mhz
  Memory Bus Width:                              128-bit
  L2 Cache Size:                                 2097152 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 750 Ti
Result = PASS

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42

在运行bandwidthTest

sudo  ./bandwidthTest

• 1

可以看到结果：

[CUDA Bandwidth Test] - Starting...
Running on...

 Device 0: GeForce GTX 750 Ti
 Quick Mode

 Host to Device Bandwidth, 1 Device(s)
 PINNED Memory Transfers
   Transfer Size (Bytes)    Bandwidth(MB/s)
   33554432         6539.7

 Device to Host Bandwidth, 1 Device(s)
 PINNED Memory Transfers
   Transfer Size (Bytes)    Bandwidth(MB/s)
   33554432         6537.2

 Device to Device Bandwidth, 1 Device(s)
 PINNED Memory Transfers
   Transfer Size (Bytes)    Bandwidth(MB/s)
   33554432         74576.4

Result = PASS

NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

到此，CUDA算是已经安装完毕了。