CUDA & cuDNN环境配置

环境

• python3.5
• tensorflow 1.3
• VUDA  8.0
• cuDNN V6.0

1、确保GPU驱动已经安装

• lspci | grep -i nvidia 通过此命令可以查看GPU信息
• nvidia-smi 可以查看英伟达显卡信息

确保gcc安装

• gcc -v

3、确保安装ssh

• yum install openssh-server

4、确保安装kernel

• sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

CUDA 环境配置

安装

• 注意：这个地方使用的是8.0，9.x 有坑
• 下载https://developer.nvidia.com/cuda-downloads
• $ sudo rpm -i cuda_installer_downloaded_file.rpm
• $ sudo yum clean all
• $ sudo yum install cuda

5.2 配置

• 添加下面配置到/etc/profile 或/etc/bashrc
• $ export PATH=/usr/local/cuda-8.0/bin:$PATH
• $ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

5.3 验证

• nvcc -V 
• sample 中含有一个device的检测文件，make 然后执行就可以检测（如果安装正常）

5.4 cuDNN配置

• 注意：这个地方使用的是Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0，其它的for CUDA 8.0 有坑
• tar -zxvf cudnn-6.5-linux-x64-v2.tgz
• sudo cp cuda/include/cudnn.h /usr/local/cuda/include
• sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
• sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*