CentOS 8.2 搭建显卡驱动 + CUDA 11.0 + CUDNN
CentOS 8.2 搭建显卡驱动 + CUDA 11.0 + CUDNN
CUDA和CUDNN是深度学习开发中常用的工具，它们可以显著提升GPU的计算效率。本文将详细介绍在CentOS 8.2系统上搭建显卡驱动、CUDA 11.0和CUDNN的过程，帮助读者快速搭建深度学习开发环境。
一、安装显卡驱动
1. 禁用nouveau
nouveau是一个第三方开源的Nvidia驱动，一般Linux安装的时候默认会安装这个驱动。 这个驱动会与Nvidia官方的驱动冲突，在安装Nvidia驱动和CUDA之前应先禁用nouveau。
查看系统是否正在使用nouveau
lsmod | grep nouveau
如果有显示内容，则进行以下的步骤进行禁用nouveau
%新建一个配置文件
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
%在该配置文件中输入i，写入以下内容
blacklist nouveau
options nouveau modeset=0
%保存并退出
:wq！
%备份当前的镜像
sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
%建立新的镜像
sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)
%重启
sudo reboot
%最后验证，没有任何显示即为禁用成功
lsmod | grep nouveau
2. 安装显卡驱动
（1）安装依赖
- 安装gcc，g++
%先查看是否安装gcc
gcc -V
%如没有安装，需重新安装
yum install gcc
yum install gcc-c++
- 安装 kernel-devel和kernel-headers：
yum install kernel-devel
yum install kernel-headers
注意这里的kernel要和自己的linux系统版本一致：可以使用如下查看自己的系统所需版本
%查看需要的kernel版本
uname -r
得到如下结果
直接按上述yum安装的版本比较新，导致显卡驱动安装失败，需要查看yum安装的版本与系统所需要的版本是否一致，不一致需要卸载再重新安装所需要的
%查看安装的kernel版本
rpm -qa | grep kernel
%与上面uname-r得到的不一样需要卸载再重新安装
sudo yum remove kernel-devel
在kernel版本下载下载上述uname -r得到的kernel-devel/headers的版本
安装需要的kernel-devel，kernel-headers
%在存储下载的目录下执行
sudo rpm i kernel devel 4.18.0-193.el8.x86_64.rpm
sudo rpm i kernel headers 4.18.0-193.el8.x86_64.rpm
（2）安装显卡驱动
- 查看显卡的类型
lspci | grep -i nvidia
可以看到显卡的类型为GeForce GTX 2080Ti。
- 确定上述显卡的驱动版本
在官网可以查询到所有支持该显卡的驱动版本
上图中所有驱动都支持该显卡，可看到当前nvidia显卡最新的驱动版本为: 455.38，但使用了450.57版本（后面cuda 11.0所需）
- 安装驱动
进入下载的驱动文件目录
%执行之前先让 .run 文件有可执行权限：
chmod u+x NVIDIA-Linux-x86_64-450.57.run
%执行安装脚本
sudo ./NVIDIA-Linux-x86_64-450.57.run --kernel-source-path=/usr/src/kernels/4.18.0-193.el8.x86_64
- 验证驱动是否安装成功
nvidia-smi
输出如下信息，即为驱动安装成功
二、安装CUDA
1. 安装CUDA
在官网下载对应的CUDA 11.0
%下载cuda11.0
wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
%进入驱动安装包所在文件夹，执行
sudo sh cuda_11.0.2_450.51.05_linux.run
注意，安装时不要选择CUDA自带的驱动，因为上一步已经安装需要的驱动了。
2. 配置环境变量
%打开profile文件进行编辑
sudo vim /etc/profile
%输入i，在最后添加如下内容
%第一次发布
%export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
%export LD_LIBRARY_PATH=/usr/local/cuda-%11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
%第二次发布
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
%保存退出
：wq！
source /etc/profile
%重启
sudo reboot
然后设置cuda软连接到cuda-11.0
%设置这一步的目的是为了切换cuda版本时，可以只需要更改软连接就可以切换cuda版本，而无需更改上一步的环境变量
sudo rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-11.0 /usr/local/cuda
cd /usr/local
stat cuda
3. 验证CUDA是否安装成功
- 方法一
nvcc -V
输出如下内容即为成功
- 方法二
Cat /usr/local/cuda/version.txt
输出如下内容即为成功
- 方法三
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
make clean && make
./deviceQuery
输出如下内容即为成功
三、安装CUDNN
1. 安装CUDNN
在官网下载CUDA 11.0 对应的CUDNN版本（我们安装cudnn不用管什么runtime和development,因为我们是使用tgz压缩包安装，直接把压缩包下载下来就好了）
%解压 ：
cp cudnn-11.0-linux-x64-v8.0.4.30.solitairetheme8 cudnn-11.0-linux-x64-v8.0.4.30.tgz
tar -xvf cudnn-11.0-linux-x64-v8.0.4.30.tgz
%复制到CUDA指定目录下
cd /usr/local/cudnn-11.0-linux-x64-v8.0.4.30
sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.0/lib64
%修改权限
sudo chmod a+r /usr/local/cuda-11.0/include/cudnn*.h /usr/local/cuda-11.0/lib64/libcudnn*
2. 验证CUDNN安装是否成功
- 方法一
%注意cudnn8.0以上版本cudnn.h一定要写为cudnn_version.h
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
输出如下，安装成功
- 方法二
在cudnn官网下载页面下载samples的Deb文件，解压得到名为libcudnn8-samples_8.0.4.30-1+cuda11.0_amd64的文件夹
%进入Samples所在文件夹
cd /home/root/下载/libcudnn8-samples_8.0.4.30-1+cuda11.0_amd64/data/usr/src/cudnn_samples_v8/mnistCUDNN
%编辑mnistCUDNN
make clean && make
%Run mnistCUDNN的例子
./mnistCUDNN
输出如下Test Passed，成功。