深度学习环境配置

前言

配置环境一直是很恶心的一件事情，不定期更新一下个人验证可用的方法吧。目前最稳定的依然是手动卸载，手动runfile的驱动和安装方法，然后根据个人喜好设置path配置多套cuda环境即可。高版本的驱动都是兼容低版本的驱动的，因此可以放心装高版的。

准备工作

清理旧版本的驱动和cuda

不多说了，清就完事了。

sudo apt-get remove --purge nvidia* sudo /usr/local/cuda-*/bin/cuda-uninstaller sudo PATH_TO_OLD_DRIVER_INSTALLER.run --uninstall

最后一步不是必须的，一般装新的驱动时会自动删除旧版本的。

下载

从NVIDIA官网下载最新的驱动和计划配置的cuda+cudnn版本即可。

安装

禁用nouveau驱动

sudo vi /etc/modprobe.d/blacklist.conf

在最后加入下面三行并保存：

blacklist nouveau blacklist intel options nouveau modeset=0

然后执行：

sudo update-initramfs -u

重启后执行

lsmod | grep nouveau

如果没有输出，表明禁用成功。

关闭lightdm服务

这一步一般是连接了显示器才需要，如果是远程服务器实测没啥关系，保险起见可以都关上。

sudo service stop lightdm

安装驱动

授予运行权限并执行安装文件，以418版本为例：

sudo chmod +r ./NVIDIA-Linux-x86_64-418.56.run sudo ./NVIDIA-Linux-x86_64-418.56.run

开始后会自检，如有旧版本的驱动选择继续，script failure没有影响，继续即可，dkms建议选no，旧版本会存在opengl的问题，建议不安装，新版驱动r410以后官方已经不再支持opengl，同意协议后即可安装。安装完成后x-config视个人选择，我一般选yes也不会有啥问题。驱动安装完成后，输入nvidia-smi检查显卡信息正确即可。如果显示正确，可以重新启动显示服务：

sudo service start lightdm

安装cuda

授予运行权限并执行安装文件，这里先装cuda 9.0:

sudo chmod +r ./cuda_9.0.176_384.81_linux.run sudo ./cuda_9.0.176_384.81_linux.run

驱动安装必须选no，位置可以默认，symbolic link多个版本的话可以后面再自己弄，嫌麻烦可以把想要默认使用的版本选择创建link，这样安装时/usr/local/cuda会指向创建了symbolic link的版本。

然后一样的方法安装cuda 10.1如下：

sudo chmod +r ./cuda_10.1.105_418.39_linux.run sudo ./cuda_10.1.105_418.39_linux.run

同理选择不安装驱动，其他的自己酌情选。完成后安装cudnn，以cuda 10.1对应的7.5版本为例。

tar -xzvf cudnn-10.1-linux-x64-v7.5.0.56.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64 sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda-10.1/lib64/libcudnn*

这里注意cudnn要拷到对应版本的cuda里而不要直接选择/usr/local/cuda。

安装完成后可以创建两个不同环境文件如下: sudo vim ~/.cuda-9.0-cudnn-7-0.env

export PATH=$PATH:/usr/local/cuda-9.0/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64 export CUDADIR=/usr/local/cuda-9.0 export NVIDIA_CUDNN=/usr/local/cuda-9.0

sudo vim ~/.cuda-10.1-cudnn-7-5.env

export PATH=$PATH:/usr/local/cuda-10.1/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 export CUDADIR=/usr/local/cuda-10.1 export NVIDIA_CUDNN=/usr/local/cuda-10.1

其中后两行是为matlab配置的，当然了用matlab跑深度学习还需要Nvidia-tensor-rt。需要某个环境时打开新的terminal并source ./cuda-10.1-cudnn-7-5-env即可切换到对应的cuda环境了。

个人比较懒，通常会在~/.bashrc中设置alias如下：

alias cuda9='source ~/.cuda-9.0-cudnn-7-0.env' alias cuda10='source ~/.cuda-10.1-cudnn-7-5.env'

至此环境就配置完成了。