摘要：本文描述了如何在Linux操作系统下(Centos 6.5)安装NVIDIA GeForce GTX 1080显卡驱动以及CUDA工具包。内容包括：显卡驱动的下载、安装与验证；CUDA驱动的下载、安装，实例的安装、编译与验证。
一. 软硬件与操作系统
操作系统：Centos 6.5 (Linux/X86_64)
显卡：NVIDIA GeForce GTX1080
上网：CUDA安装要求机器能够链接网网络，以便运行yum命令
注意：安装前请确认自己的操作系统是否兼容、软件环境是否已经准备好。具体方法见：Installation Guide for Linux
二. NVIDIA显卡驱动的安装
1. 下载NVIDIA显卡驱动
驱动下载地址：http://www.nvidia.cn/Download
图1. GTX 1080驱动下载界面
按图1填好参数，点击搜索可跳转到下载界面，下载即可。本例中，下载得到的安装文件为：NVIDIA-Linux-x86_64-384.59.run.
2. 安装NVIDIA显卡驱动
- 关闭X-服务却换为纯文本界面并删除X锁定文件
- 安装驱动
- 启用X-服务
[gkxiao@master work]$ init 3
[gkxiao@master work]$ rm -fr /tmp/X*
详细过程参见NVIDIA安装指南：http://www.nvidia.com/object/linux_readme_install.html
总的来说就是在执行安装文件：
[gkxiao@master work]$ sh NVIDIA-Linux-x86_64-384.59.run
按提示选择选项完成安装。
[gkxiao@master work]$ init 5
3. 显卡驱动的安装确认
1.检查是否能够正确识别硬件
在本机上，显卡是PCI设备，因此检查PCI设备：
[gkxiao@master gpu]$ lspci | grep -i vga
81:00.0 VGA compatible controller: NVIDIA Corporation GP104 [GeForce GTX 1080] (rev a1)
上述结果出现GeForce GTX 1080字样，说明硬件被正确识别，安装成功。
2. 更新PCI信息
如果PCI信息里没有出现GeForce GTX 1080，先尝试更新PCI信息后再尝试检查PCI设备。
用ROOT更新PCI信息：
[root@master gpu]# update-pciids
三. 安装CUDA
1. CUDA下载
CUDA下载地址：https://developer.nvidia.com/cuda-downloads
图2. CUDA下载
2. CUDA安装
详细的安装过程、安装前准备：Installation Guide for Linux
下载页面的也提供了简略的安装步骤(图3)。
图3. CUDA安装
3. CUDA的安装确认
3.1 查看驱动器版本
[gkxiao@master ~]$ cat /proc/driver/nvidia/version
NVRM version: NVIDIA UNIX x86_64 Kernel Module 375.26 Thu Dec 8 18:36:43 PST 2016
GCC version: gcc version 4.4.7 20120313 (Red Hat 4.4.7-18) (GCC)
3.2 安装、编译CUDA自带的例子
先安装CUDA的example, 格式如下：
$cuda-install-samples-8.0.sh <目录>
比如安装于当前目录：
[gkxiao@master work]$ cuda-install-samples-8.0.sh .
安装完毕，会在当前目录下生成一个新的目录：NVIDIA_CUDA-8.0_Samples
切换到该目录：
[gkxiao@master work]$ cd NVIDIA_CUDA-8.0_Samples
编译实例：
[gkxiao@master NVIDIA_CUDA-8.0_Samples]$ make
3.3 CUDA设备验证
用CUDA例子自带的程序deviceQuery来验证安装结果：
[gkxiao@master NVIDIA_CUDA-8.0_Samples]$ 1_Utilities/deviceQuery/deviceQuery
出现类似于下面的信息：
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1080"
CUDA Driver Version / Runtime Version 8.0 / 8.0
CUDA Capability Major/Minor version number: 6.1
Total amount of global memory: 8113 MBytes (8507162624 bytes)
(20) Multiprocessors, (128) CUDA Cores/MP: 2560 CUDA Cores
GPU Max Clock rate: 1734 MHz (1.73 GHz)
Memory Clock rate: 5005 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 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 2 copy engine(s)
Run time limit on kernels: No
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 / 129 / 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 1080
Result = PASS
验证通过，可以开始正常使用CUDA进行计算。
再试试CUDA编译器吧：
[gkxiao@master NVIDIA_CUDA-8.0_Samples]$
结果如下：
[gkxiao@master python]$ nvcc -V
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
四. CUDA环境变量的设定
使用CUDA需要加载环境变量：
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
五. 深度学习
深度学习网络的用户需要继续安装cuDNN库,下载与安装指南见:
https://developer.nvidia.com/rdp/cudnn-download
六. 提交了一个作业后，怎么知道GPU用上了呢？
还是用nvidia-smi命令，比如我正在跑一个tensorflow的训练，此时键入nvidia-smi,会有如下输出：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | +-----------------------------------------------------------------------------+ | NVIDIA-SMI 410.48 Driver Version: 410.48 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1080 Off | 00000000:81:00.0 Off | N/A | | 48% 74C P2 86W / 180W | 1097MiB / 8119MiB | 48% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 24932 C ...c/apps/miniconda3/envs/rdkit/bin/python 1087MiB | +-----------------------------------------------------------------------------+ |
最后一行显示了全部信息：GPU的设备号，作业号，程序，以及内存等。
原创文章，作者：小墨，如若转载，请注明出处：《GeFore GTX1080驱动与CUDA在Linux下的安装》http://blog.molcalx.com.cn/2017/08/02/gefore-gtx1080-linux-installation.html
