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
GTX1080 driver 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

  1. 关闭X-服务却换为纯文本界面并删除X锁定文件

    2. [gkxiao@master work]$ init 3

    [gkxiao@master work]$ rm -fr /tmp/X*

  2. 安装驱动

    3. 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。

  3. 启用X-服务

    4. [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
CUDA download

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)。

CUDA安装

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：

1_Utilities/deviceQuery/deviceQuery Starting…

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。