как проверить что cuda работает
Русские Блоги
Как проверить версию Windows CUDA
Недавно я начал изучать некоторые проблемы компьютерного зрения, связанные с обработкой изображений (следуйте за учителем, чтобы расширить свой кругозор)
Затем учитель попросил использовать pytorch в качестве нашего инструмента обучения, поэтому перейдите на официальный сайт, чтобы проверить соответствующую версию pytorch:
Нам нужно только самостоятельно выбрать соответствующую систему, загрузить используемые инструменты, версию python и номер версии CUDA, а затем мы сможем получить соответствующие команды для загрузки и установки.
Я столкнулся с проблемой в это время, Что такое CUDA?
Понять, что такое CUDA, Так какой у меня номер версии CUDA? (Два метода перечислены ниже, мне только что удалось использовать первый метод, просто посмотрите на первый напрямую)
(1) Нажмите win + Q, войдите в панель управления, затем просмотрите маленький значок, щелкните панель управления NVIDIA:
Щелкните Справка на панели управления NVIDIA, а затем щелкните Информация о системе в нижнем левом углу:
(Путь поиска в Интернете: C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA)
О проблемах, приводящих к появлению ошибки определения CUDA-устройств
Иногда при попытке запустить программу, использующую многопотоковые вычисления (например, майнер), появляется сообщение об отсутствии CUDA-устройств, например:
CUDA device not found
Подобная проблема может возникнуть и на новых, и на старых видеокартах, причем в разных операционных системах, включая Linux-подобные.
Как избавиться от ошибки CUDA device not found?
Перед поиском причин ошибки CUDA device not found нужно убедиться, что видеокарта, установленная на компьютере, поддерживается программой, которая выдает ошибку.
Иногда может возникнуть ситуация, когда пользователь пытается запустить новый майнер на устаревшей (с точки зрения разработчика) видеокарте. В этом случае проблему можно решить компиляцией майнера под нужную версию CUDA (при наличии исходного кода), либо использовать другой, совместимый майнер.
В дистрибутивах Windows и в OS с Linux-ядром проблема с определением CUDA-устройтсв обычно успешно решается с помощью повторной установки нужных драйверов, желательно с полной очисткой от предыдущих. Дополнительно можно вручную инсталлировать CUDA Toolkit, соответствующий установленной версии драйверов или новее.
Тем не менее, в некоторых, особенно тяжелых случаях такие манипуляции не помогают и система упорно отказывается признавать наличие видеокарты, способной производить compute-вычисления.
Пример отображения информации в программе GPU-Z на компьютере с видеокартой Nvidia GT710 (ОС Windows 8.1, драйвера успешно установлены), но CUDA-устройства пребывают в состоянии невидимости:
Для решения проблемы можно предпринять следующие шаги:
перезагрузить систему и заново установить драйвера
Иногда перечисленные ухищрения не срабатывают и, хотя видеокарта Nvidia успешно определяется операционной системой, видна в диспетчере задач Windows, она не работает как CUDA-устройство.
При загрузке этого же компьютера с операционной системой на Linux-ядре (xubuntu 18.04), видеокарта успешно работает, производя многопотоковые вычисления при майнинге.
Исходя из успешной работы видеокарты в ОС Linux, можно сделать предположение, что она исправна и на компьютере используются правильные настройки BIOS. Вероятно, решение проблемы с невидимостью CUDA связано с конфигурацией конкретного дистрибутива Windows.
Как решить проблему с определением CUDA-устройств в операционной системе Windows?
Множество проблем при работе в Windows возникает из-за использования сборок, в которых была произведена «доработка напильником», осуществлено «выпиливание» ненужных компонентов и/или чрезмерная очистка от ненужных файлов.
В связи с этим, в большинстве случаев самым простым и логичным решением является использование официального дистрибутива Windows, в котором не производились изменения сторонними лицами.
Иногда, даже в случае использования официальной операционной системы Windows,но Embedded-версии, проблемы остаются. В этом случае также стоит перейти на полноценную сборку от Microsoft.
Если есть время и желание, то можно попытаться исправить ситуацию, найдя и устранив причину, по которой конкретная операционная система отказывается видеть cuda-функционал видеокарт, управляемых ею
Для этого нужно понять, как реализуются CUDA-функции на компьютере.
Как производятся многопотоковые вычисления на видеокартах Nvidia?
Для работы CUDA приложений на компьютере нужно иметь CUDA-видеокарту и драйвер дисплея NVIDIA, совместимый с CUDA Toolkit, использовавшийся при компиляции приложения (майнера):
Для обеспечения совместимости каждая версия CUDA toolkit поставляется с подходящим драйвером дисплея NVIDIA. Пакет с драйверами включает в себя user mode CUDA-драйвер (файл libcuda.so) и компоненты ядра, что позволяет обеспечить работу всех функций, поддерживаемых в конкретной версии CUDA Toolkit.
Программы, скомпилированные для более ранней версии CUDA должны успешно работать и с новыми драйверами. Приложение, скомпилированное с более поздней версией CUDA, чем та, что поддерживается драйверами, работать не будет.
Работа CUDA-программ осуществляется с помощью двух интерфейсов прикладного программирования (API):
Майнер или другая программа, использующая мультипроцессоры Nvidia, работает на основе CUDA Runtime API, поверх низкого уровня CUDA-драйверов:
Вызовы runtime-кода программы транслируются в более простые инструкции, в свою очередь обрабатываемые низкоуровневым API-драйвером.
Для успешного запуска майнера или другой программы, требующей поддержки CUDA, нужно:
Если программа (майнер) скомпилирована для более новой версии CUDA, чем та, что поставляется в драйверах, то (иногда) можно повысить только версию CUDA runtime, не трогая драйверов (эта фишка доступна для версий CUDA новее 10.0):
Это длается с помощью специального «CUDA compat package» на NGC-Ready профессиональных видеокартах Nvidia, но, возможно, при «определенной сноровке», применимо и на других моделях.
Если после успешной установки драйверов программа (майнер) не видит графического ускорителя, выдавая ошибку No Nvidia CUDA GPU detected, скорее всего не срабатывает CUDA runtime (так как система видит видеокарту, то значит функция deviceQueryDrv, реализуемая драйвером API работает нормально). Возможно, проблема кроется в неправильном взаимодействии с NVML-библиотекой, которая выдает неверную информацию о неподдерживаемом GPU.
Как найти причину бага CUDA runtime, приводящего к ошибке no usable mining devices found?
Детектирование наличия CUDA-capable GPU производится через библиотеку cudart (файлы cudart.dll, cudart_static.lib, cudadevrt.lib.dll в Windows) с помощью функции cudaGetDeviceCount() из состава CUDA Runtime API.
Она выдает ошибку cudaErrorNoDevice если в системе отсутствуют совместимые устройства или используется неподходящий драйвер (ошибка cudaErrorInsufficientDriver).
В случае использования компьютеров с видеокартами Nvidia, поддерживающими разные версии CUDA, могут возникнуть проблемы, связанные с их совместимостью. В связи с этим рекомендуется делать сборку компьютеров (майнинг ригов) с одинаковыми видеокартами (на одной архитектуре), а также использовать драйвера, соответствующие видеокарте (ее Compute Capability).
Таблица соответствия драйверов, версии Compute Capability и архитектуры видеокарт Nvidia:
Для выяснения причины, по которой система прячет от прикладных программ CUDA устройства, нужно изучить всю доступную информацию об установленных видеокартах Nvidia, драйверах и т. д.
В Windows очень удобно для изучения информации о видеокарте использовать программы GPU-Z или Некоторую информацию о старых видеокартах nVIDIA Geforce, Quadro и Tesla в Windows, Linux и Mac OSX можно получить утилитой cuda-z. В большинстве систем можно использовать штатную консольную утилиту nvidia-smi. Она позволяет получать следующую информацию:
Обычно утилита nvidia-smi.exe устанавливается в папку
где имя каталога nvdm* различается в зависимости от используемых драйверов/системы.
В старых ОС, например, в Windows 8.1 с драйверами 445.87, программа nvidia-smi находится в папке C:\Program Files\NVIDIA Corporation\NVSMI:
Запуск программы nvidia-smi.exe в Windows можно производить из ее каталога с помощью простейшего батника (для удобства пользователя можно использовать ярлык на рабочем столе):
При запуске такого bat-файла (без дополнительных ключей) можно получить информацию об установленных драйверах и поддерживаемой версией CUDA, например:
Как видно на приведенном в качестве примера рисунке, nvidia-smi видит видеокарту, драйвер и поддерживаемую версию CUDA, но в колонке Process name (она отвечает за compute-процессы) отображается надпись Not Supported. При этом игры на этой видеокарте работают (например, World of Tanks), а майнеры не видят CUDA-устройства (появляется ошибка no devices).
В этом случае, наверное, лучше перейти на другой, более послушный дистрибутив операционной системы.
Проблемы с видимостью устройств CUDA иногда могут возникнуть в случае неверной конфигурации переменных окружения.
Как управлять видимостью видеокарт Nvidia с помощью конфигурации окружения?
Видимостью CUDA устройств можно управлять с помощью переменной окружения CUDA_VISIBLE_DEVICES. Она позволяет исключить или включить в поле зрения прикладной программы видеокарты с помощью командной строки вида:
в которой перечисляются только видимые программой видеокарты.
Эту команду нужно использовать до запуска основной программы вместе с другими переменными окружения, например, в скрипте Linux, следующим образом:
В Windows эту команду можно использовать в батнике майнера следующим образом:
Устранение неполадок с GCP + CUDA / NVIDIA + Docker и поддержание его работоспособности!
Дата публикации Jan 15, 2018
У меня был экземпляр Google Cloud Platform (GCP), который был хорошо настроен и работал нормально день назад, который был настроен после моегопредыдущий урок,
Что происходит после настройки GCP Computing Instance? Запуск пользовательского контейнера Docker с Tensorflow
Введение
medium.com
Позвольте мне рассказать вам немного о машине, которую я имел,
Но что-то действительно странное случилось со мной, когда я запустил свой экземпляр GCP и попытался запустить докер-контейнер вчера, используя
Что произошло?
Нет, это не сработало так, как я хотел, и забрало меня в контейнер. Вместо этого он дал мне следующую ошибку
Скорее всего, это произошло потому, что мой экземпляр GCP смело решил, что было бы неплохо идти вперед и обновлять все самому, и все будет волшебным образом работать намного лучше! Ну, у меня есть новости! Так не бывает.Поэтому было бы очень полезно, если бы GCP давал нам возможность отключать автоматические обновления во время начальной настройки., На самом деле, было много сообщений о том, что драйверы NVIDIA бананы (или отсутствуют) с другими обновлениями (доказательства1,2,3).
Бурение вниз…
Хорошо, прежде чем углубляться в детали поиска и устранения неисправностей, позвольте мне кратко изложить, что я собираюсь сделать.
Мой GPU распознается машиной?
Прежде всего, прежде чем проверять, правильно ли установлены библиотеки, посмотрите, видит ли ваша машина физический GPU, набрав:
Это должно дать что-то вроде
В противном случае это может быть связано с отключением графического процессора или просто выталкиванием из гнезда, потому что вы переместили машину или что-то еще.
Проверьте состояние графического процессора с помощью интерфейса управления системой NVIDIA (NVIDIA-SMI)
Первое, что нужно сделать, этоНЕделать поспешные выводы и строго набирать текст sudo apt-get install
В идеале вы должны получить что-то вроде
Если вы получите что-то вроде,
Это может быть связано с двумя причинами,
Исправление отсутствующих библиотек CUDA / NVIDIA
Поэтому, чтобы NVIDIA-SMI работала правильно, вам нужно несколько вещей для правильной настройки. Они есть,
Давайте проверим, установлены ли они, попробуйте набрать
Вы должны получить
Обратите внимание, что фактический список гораздо длиннее. Но если получить довольно много хитов для CUDA, все должно быть в порядке. Но не становитесь слишком удобными! Я сталкивался с вещами, которые не работали даже с этими установленными.
Проверка загрузки модулей ядра NVIDIA
Давайте еще раз проверим, правильно ли загружаются модули ядра NVIDIA,
В идеале вы должны увидеть,
Если вы ничего не видите, это проблематично! Это означает, что драйверы NVIDIA не были загружены должным образом.
Может ли это быть неверная конфигурация переменной PATH?
Затем выйдите из текстового редактора и запустите
Перезагрузите машину и посмотрите, все ли работает нормально, попробовав nvidia-smi опять таки. (PS: не забудьте попробовать с sudo привилегии)
Не так повезло? Самое время переустановить вещи вручную
Если вы читаете эту часть, вам не повезло, как некоторым из людей там. Хорошо, давайте идти вперед и трудиться на земле! По моему мнению, больше не стоит копать глубже и пытаться найти единственное зерно ошибки в чаше, полной библиотек На самом деле, было бы намного проще, если бы мы удалили текущие поврежденные библиотеки и установили вещи с нуля.
Узнайте правильные версии библиотеки
Сначала мы должны выяснить, что и с чем. Под этим я подразумеваю, что мы должны убедиться, что мы загружаем определенные (и правильные) версии драйверов CUDA и NVIDIA, соответствующие вашей графической карте. Итак, давайте продолжим и узнаем, что является последним.
Скачать драйверы | NVIDIA
Загрузите драйверы для продуктов NVIDIA, включая видеокарты GeForce, материнские платы nForce, рабочие станции Quadro и…
www.nvidia.com
И введите подробности о,
Вот результаты, которые я получил,
Теперь мы будем придерживаться этих конкретных версий при установке, чтобы избежать любых расхождений.
Удалить существующие библиотеки CUDA / NVIDIA
Сначала давайте удалим все существующие библиотеки CUDA / NVIDIA с помощью
Установите CUDA / NVIDIA
Перезагрузите систему и попробуйте,
и вы должны увидеть правильный вывод, как показано на рисунке 2 и рисунке 3.
Я только что понял драйвер NVIDIA387.xxкоторый поставляется с CUDA 9.1, не работает для моего NVIDIA Tesla P100. Поэтому мне пришлось сначала удалить его и установить NVIDIA384.xx, Это может отличаться для вас в зависимости от карты GPU, которая у вас есть в вашем экземпляре.
Вы знаете, что странно! Я прекрасно работал с CUDA 9.1 и NVIDIA 387.xx, как показано на рисунке 1. Но теперь NVIDIA 387.xx больше не был совместим с CUDA 9.1. Я не уверен, почему, но, надеюсь, смогу докопаться до сути!
Давайте сделаем это,
Теперь давайте установим драйвер NVIDIA 384.xx вручную,
Сейчас попробуй nvidia-smi и вы должны увидеть нечто похожее на рисунок 1, означающее, что все вернулось к норме (надеюсь!).
Выключите автоматическое обновление!
Еще одна вещь, не забывайте, с чего все это началось. Это были автоматические обновления. Обновления важны для защиты вашей машины от внешних угроз и всего остального, но если она будет ломать мою машину каждые 5 секунд, которые я обновляю, НЕТ, СПАСИБО! Я сам обновлю его вручную. Чтобы сделать это, откройте следующий файл в текстовом редакторе,
Это должно остановить эти «надоедливые» (но важные) автоматические обновления. Но не забывайте регулярно обновлять свою ОС, потому что вы не хотите, чтобы кто-то взломал вашу машину.
Вывод
Русские Блоги
Руководство по установке NVIDIA CUDA и настройка графического процессора DeepLearning4J в Ubuntu 18.04
Для получения дополнительной информации поспешите и обратите внимание на официальный аккаунт выше!
Каталог статей
NVIDIA CUDA Installation Guide for Linux
1.1 Введение
Предоставьте небольшой набор расширений для стандартных языков программирования (например, языка C) для поддержки прямой реализации параллельных алгоритмов. Используя CUDAC / c ++, программисты могут сосредоточиться на распараллеливании алгоритма вместо того, чтобы тратить время на реализацию алгоритма.
Графические процессоры, поддерживающие CUDA, имеют сотни ядер и могут одновременно запускать тысячи вычислительных потоков. Эти ядра совместно используют ресурсы, включая файлы регистров и общую память. Общая память на кристалле позволяет параллельным задачам, выполняющимся на этих ядрах, обмениваться данными без отправки данных через шину системной памяти.
В этом руководстве рассказывается, как установить и проверить правильность работы инструментов разработки CUDA.
1.1.1 Системные требования
Чтобы использовать CUDA в вашей системе, вам необходимо установить следующее программное обеспечение:
Среда разработки CUDA основана на тесной интеграции со средой разработки хоста, включая хост-компилятор и библиотеку времени выполнения C, поэтому поддерживается только окончательная версия этой версии инструментария CUDA.
Таблица 1 Локальные дистрибутивы Linux, поддерживаемые CUDA 10.1
(*) Чтобы узнать о специальной версии ядра, поддерживаемой Red Hat Enterprise Linux, посетитеhttps://access.redhat.com/articles/3078. Чтобы просмотреть список версий ядра, включая дату выпуска SUSE Linux Enterprise Server, посетитеhttps://wiki.microfocus.com/index.php/SUSE/SLES/Kernel_versions。
(**) Для версии долгосрочной поддержки Ubuntu x86-64 (LTS) CUDA 10.1 поддерживает аппаратные (HWE) ядра (например, 4.13.x для 16.04) и серверные ядра LTS (например, 4.4 для 16.04. Икс). Для получения дополнительной информации, пожалуйста, посетитеhttps://wiki.ubuntu.com/Kernel/Support。
(***) На процессоре POWER8 только графический процессор Tesla GP100 поддерживает CUDA 10.1.
(****) На процессоре POWER9 только графический процессор Tesla GV100 поддерживает CUDA 10.1.
Таблица 2 Набор инструментов CUDA и совместимая версия драйвера
Проверьте совместимость CUDA и версии драйвера по таблице 2. Поскольку я использую систему Linux x86_64 bit и уже установил ее
1.1.2 Описание документа
Этот документ предназначен для читателей, знакомых со средой Linux и компилирующих программы на языке C из командной строки. Вам не обязательно иметь опыт работы с CUDA или параллельными вычислениями. Примечание. Это руководство подразумевает установку только в системах с установленной XWindows.
Примечание: для многих команд в этом документе могут потребоваться привилегии суперпользователя. В большинстве дистрибутивов Linux для этого потребуется войти в систему как root. Для систем, в которых включен пакет sudo, все необходимые команды должны использовать префикс sudo.
1.2 Подготовка к установке
Чтобы установить набор инструментов и драйвер CUDA в Linux, необходимы следующие приготовления:
1.2.1 Проверить, поддерживает ли CUDA графический процессор
Чтобы проверить, поддерживается ли CUDA графический процессор, вы можете просмотреть его в свойствах системы или ввести следующий код в командную строку:
Если вы не видите никаких параметров после выполнения вышеуказанного кода, обновите базу данных оборудования PCI, поддерживаемую Linux, набрав update-pciids (обычно в / sbin) в командной строке, а затем вернитесь для выполнения команды lspci.
Если видеокарта NVIDIA и указана вhttps://developer.nvidia.com/cuda-gpusIn это означает, что графический процессор поддерживает CUDA.
1.2.2 Убедитесь, что версия Linux поддерживает
Инструменты разработки CUDA поддерживают только некоторые определенные версии Linux, которые перечислены в описании версии набора инструментов CUDA.
Чтобы определить, какую версию и номер выпуска вы используете, вы можете использовать следующую команду в командной строке:
1.2.3 Убедитесь, что в системе установлен gcc
Компилятор gcc требуется для разработки с использованием набора инструментов CUDA, но gcc не требуется для запуска приложений CUDA. В обычных условиях в Linux по умолчанию установлен gcc, и в основном все gcc, установленные в поддерживаемых версиях Linux, могут нормально работать.
Чтобы проверить версию gcc, установленную в системе, вы можете ввести в командной строке:
Если возникла ошибка, вам необходимо установить инструменты разработки из версии Linux или получить версию gcc и ее вспомогательную цепочку инструментов с веб-страницы.
Убедитесь, что в системе установлены правильные файлы заголовков ядра и пакеты разработки.
Драйвер CUDA должен установить файлы заголовков ядра и пакеты разработки для текущей версии ядра, когда драйвер установлен и перекомпилирован. Например, если в системе используется версия ядра 3.17.4-301, вам также необходимо установить версию 3.17.4-301 заголовочных файлов ядра и комплекта разработчика.
1.2.4 Убедитесь, что в системе установлены правильные файлы заголовков ядра и пакеты разработки
Драйвер CUDA должен установить файлы заголовков ядра и пакеты разработки для текущей версии ядра, когда драйвер установлен и перекомпилирован. Например, если в системе используется версия ядра 3.17.4-301, то необходимо установить версию 3.17.4-301 файла заголовка ядра и его вспомогательную цепочку инструментов.
Хотя установка Runfile не выполняет проверку пакета, если файл заголовка ядра и пакет разработки в настоящее время не установлены, установка драйвера RPM и Deb будет пытаться установить. Однако он установит последние версии этих пакетов, которые могут совпадать, а могут и не совпадать с версией ядра, используемой системой.Поэтому лучше вручную убедиться, что правильная версия файлов заголовков ядра и пакетов разработки установлена перед установкой драйвера CUDA и перед изменением версии ядра.
Версию ядра, на которой работает система, можно узнать с помощью следующей команды:
Это версия заголовочного файла ядра и комплекта разработчика, которые необходимо установить перед установкой драйвера CUDA. В следующем примере эта команда будет использоваться несколько раз, чтобы указать версию устанавливаемого пакета. Обратите внимание, что следующие распространенные сценарии используются ядром. Для более сложных ситуаций, таких как пользовательские ветви ядра, вы должны убедиться, что их заголовки ядра и исходный код соответствуют сборке ядра, которую они запускают.
Примечание. Если вы выполняете обновление системы, которое изменяет версию используемого ядра Linux, обязательно повторно выполните следующую команду, чтобы убедиться, что установлены правильные файлы заголовков ядра и комплект для разработки ядра. В противном случае драйвер CUDA не сможет использовать новое ядро.
1.2.4.1 RHEL/CentOS
Заголовочный файл ядра и пакет разработки для текущего работающего ядра можно установить следующим образом:
1.2.4.2 Fedora
Заголовочный файл ядра и пакет разработки для текущего работающего ядра можно установить следующим образом:
1.2.4.3 OpenSUSE/SLES
Используйте вывод команды uname, чтобы определить версию и вариант работающего ядра:
1.2.4.4 Ubuntu
Заголовочный файл ядра и пакет разработки для текущего работающего ядра можно установить следующим образом:
1.2.5 Выберите способ установки
Для установки набора инструментов CUDA можно использовать один из двух различных механизмов установки: пакеты, зависящие от выпуска (пакеты RPM и Deb), или пакеты, не зависящие от выпуска (пакет времени выполнения). Пакеты, не зависящие от распространения, имеют то преимущество, что работают между более широким диапазоном дистрибутивов Linux, но не обновляют локальную систему управления пакетами дистрибутива. Пакеты для конкретного выпуска взаимодействуют с локальной системой управления пакетами выпуска. По возможности рекомендуется использовать пакеты для конкретных выпусков.
Примечание. За исключением версии x86_64, для других архитектур независимый установщик не предусмотрен. Для локальной и кросс-разработки набор инструментов должен быть установлен с помощью установщика для конкретного выпуска. Дополнительные сведения см. В разделе кроссплатформенной установки CUDA (CUDA Cross-Platform Installation）。
1.2.6 Скачать NVIDIA CUDA Toolkit
Набор инструментов NVIDIA CUDA доступен по адресуhttp://developer.nvidia.com/cuda-downloadsскачать.
Выберите платформу, которую вы используете, и загрузите набор инструментов NVIDIA CUDA.
Пока установка в основном не вызывает проблем в соответствии с вышеизложенным, при ее установке выдается сообщение об ошибке, и CUDA удаляется, а затем устанавливается заново.
CUDA Toolkit содержит драйверы и инструменты CUDA, необходимые для создания, сборки и запуска приложений CUDA, а также библиотеки, файлы заголовков, образец исходного кода CUDA и другие ресурсы.
Может быть опубликованоhttp://developer.nvidia.com/cuda-downloads/checksumКонтрольная сумма MD5 файла сравнивается с контрольной суммой загруженного файла для проверки загрузки. Если контрольные суммы двух различаются, загруженный файл поврежден и его необходимо загрузить снова.
Чтобы вычислить контрольную сумму MD5 загруженного файла, выполните следующие действия:
1.2.7 Метод установки для разрешения конфликтов
Перед установкой CUDA вы должны удалить все предыдущие установки, которые могут конфликтовать. Это не повлияет на системы, в которых CUDA не был установлен ранее, или системы, в которых метод установки зарезервирован (RPM / Deb или Runfile). См. Подробную информацию в таблице ниже.
Таблица 3 Матрица совместимости установки CUDA toolkit
Таблица 4 Матрица совместимости установки драйверов NVIDIA
Используйте следующую команду, чтобы удалить набор инструментов и запустить установку файла:
Используйте следующую команду, чтобы удалить драйвер и запустить установку файла:
Используйте следующую команду для удаления установки RPM / Deb:
1.3 Установка управления пакетами
Основные инструкции можно найти вКраткое руководствоНайдено в, пожалуйста, продолжайте читать для получения более подробных инструкций.
1.3.1 Обзор
Установка менеджера пакетов и система управления пакетами системы вызываются через интерфейсы. При использовании RPM или Deb загруженный пакет является складским пакетом. Такие пакеты только информируют диспетчер пакетов, где найти фактические установочные пакеты, но не устанавливают их.
Если эти пакеты доступны на онлайн-складе, они будут автоматически загружены на более позднем этапе. В противном случае пакет хранилища также установит локальный склад, который содержит пакет установки в системе. Независимо от того, доступен ли склад онлайн или установлен локально, процесс установки одинаков и состоит из нескольких этапов.
Для следующих версий щелкните ссылку, чтобы просмотреть подробный процесс установки CUDA:
Наконец, подробно описаны некоторые полезные функции управления пакетами.
Эти инструкции предназначены только для местной разработки. Для кросс-платформенной разработки обратитесь к разделу кроссплатформенной среды CUDA.
Примечание. Пакет «CUDA-core» больше не поддерживается в CUDA 9.1, используйте вместо него «cuda-compiler».
Поскольку я использую систему Ubuntu, все вводят процесс установки только под Ubuntu.
1.3.2 Ubuntu
При установке с местного склада:
При установке в Ubuntu 18.04 / 18.10 с использованием сетевого хранилища:
При установке на Ubuntu 16.04 с использованием сетевого репозитория:
1.3.3 Дополнительные функции диспетчера пакетов
Ниже приведены некоторые дополнительные функции диспетчера пакетов, которые могут использовать пользователи.
1.3.3.1 Доступные пакеты
Пакет cuda устанавливает все доступные локальные пакеты разработки, включая следующие:
Компилятор, отладчик, анализатор и математическая библиотека. Пакет драйверов NVIDIA. Для шаблонов x86_64: NSight Eclipse Edition и Visual Profiler.
Для кроссплатформенной разработки на поддерживаемых платформах можно использовать следующие методы:
Пакеты, устанавливаемые вышеуказанными кросс-платформенными комплектами разработки, также можно установить отдельно, явно указав их имена. Список доступных пакетов можно получить:
1.3.3.2 Пакет обновления
Пакет cuda указывает на последнюю стабильную версию набора инструментов cuda. Когда доступна новая версия, используйте следующую команду для обновления инструментария и драйвера:
Таким же образом можно обновить пакет cuda-cross-package.
Пакет CUDA-drivers указывает на последнюю версию драйвера, доступную в репозитории CUDA. Когда доступна новая версия, используйте следующую команду для обновления драйвера:
Некоторые среды рабочего стола, такие как GNOME или KDE, будут получать уведомления о появлении новых пакетов.
1.3.3.3 Мета-пакеты
Таблица 5 Мета-пакеты, доступные для CUDA 10.1
1.4 Запуск установки файла
1.4.1 Обзор
Запуск установки файла устанавливает драйверы NVIDIA, наборы инструментов CUDA и примеры CUDA через интерактивный оконный интерфейс на основе меню.
Шаги установки перечислены ниже, а также приведены инструкции для конкретных выпусков по отключению драйвера Nouveau, а также шаги для проверки создания узла устройства.
Наконец, ниже будут подробно описаны дополнительные параметры и шаги по удалению установщика.
Установка Runfile не поддерживает кроссплатформенную разработку. Для кросс-платформенной разработки обратитесь к разделу кроссплатформенной среды CUDA.
1.4.2 Установка
Обычно это достигается добавлением цифры «3» в конец параметров запуска ядра системы.
Поскольку драйвер NVIDIA не установлен, текстовый терминал может отображаться неправильно. Временное добавление «nomodeset» к параметрам запуска ядра системы может решить эту проблему.
Для получения информации о том, как изменить указанные выше параметры загрузки, обратитесь к документации по загрузчику системы.
Для полного удаления нового драйвера и предотвращения загрузки графического интерфейса требуется перезапуск. Драйвер CUDA не может быть установлен, когда загружен новый драйвер или активирован графический интерфейс.
Чтобы просмотреть пользовательский интерфейс установщика на основе ncurses, обратитесь к пользовательскому интерфейсу установщика.
Начиная с CUDA 10.1, некоторые библиотеки будут установлены в стандартном системном месте, а не в каталоге установки инструментария. В зависимости от вашего дистрибутива эти места установки могут быть: / usr / lib / x84_64-linux-gnu, или / usr / lib64, или / usr / lib. См. Дополнительные параметры, чтобы узнать, как изменить это местоположение.
Место установки по умолчанию для набора инструментов и примеров:
Символьная ссылка / usr / local / cuda указывает на место, где установлен инструментарий CUDA. Эта ссылка позволяет проекту использовать последнюю версию инструментария CUDA без каких-либо обновлений файла конфигурации.
У установщика должны быть достаточные разрешения для выполнения определенных операций. Если текущих привилегий недостаточно для выполнения операции, программа установки запросит пароль пользователя, чтобы попытаться выполнить установку с привилегиями root. Операции, которые заставляют программу установки пытаться установить с привилегиями root:
Как показано выше, запуск установщика с sudo разрешит установку в каталоги, требующие привилегий root. Каталоги и файлы, созданные при запуске установщика с sudo, будут иметь права root.
Если графический процессор, используемый для отображения, является графическим процессором NVIDIA, вам может потребоваться изменить файл конфигурации X-сервера /etc/x11/xorg.conf. В некоторых случаях nvidia-xconfig можно использовать для автоматической генерации файла xorg.conf, подходящего для системы. Для нестандартных систем, например, с несколькими графическими процессорами, рекомендуется редактировать файл xorg.conf вручную. Для получения дополнительной информации обратитесь к документации xorg.conf.
Примечание. Установка Mesa может привести к перезаписи / usr / lib / libgls, который ранее был установлен драйвером NVIDIA, поэтому вам может потребоваться переустановить драйвер NVIDIA после установки этих библиотек.
1.4.3 Пользовательский интерфейс установки
Интерфейс установки имеет три основных состояния:
1.4.4 Отключить модерн
Чтобы установить драйвер дисплея, необходимо сначала отключить драйвер Nouveau. В каждом дистрибутиве Linux есть свой метод отключения Nouveau. Здесь представлен только метод отключения под Ubuntu.
Если следующая команда может выводить что угодно, драйвер Nouveau загружается:
Создайте новый файл в /etc/modprobe.d/blacklist-nouveau.conf и введите следующее:
blacklist nouveau
options nouveau modeset=0
Восстановите основной файл:
1.4.5 Проверка узла устройства
Убедитесь, что файл устройства / dev / nvidia * существует и имеет правильные (0666) права доступа к файлу. Драйвер CUDA использует эти файлы для связи с частью режима ядра драйвера NVIDIA. Приложения, использующие драйверы NVIDIA, такие как приложения CUDA или X-сервер (если есть), обычно используют инструмент setuidnvidia-modprobe в комплекте с драйверами NVIDIA для автоматического создания этих файлов. Однако некоторые системы не допускают двоичных файлов setuid, поэтому, если эти файлы не существуют, вы можете создать их вручную, используя сценарий запуска, показанный ниже:
1.4.6 Дополнительные параметры
1.4.7 Удалить
Чтобы удалить набор инструментов CUDA, запустите сценарий удаления, который находится в каталоге bin набора инструментов. По умолчанию он находится в /usr/local/cuda-10.1/bin:
Чтобы включить драйвер Nouveau, удалите файл черного списка, созданный в разделе Disable Nouveau, и заново сгенерируйте ядро initramfs / initrd.
1.5 Пакет управления кластером
1.5.1 Обзор
Пакет управления кластером предоставляется в качестве альтернативы пакетам RPM и Deb, которые будут использоваться инструментом управления развертыванием как отдельный пакет. Эти пакеты доступны для RHEL 6, RHEL 7, Ubuntu 14.04 и Ubuntu 16.04 на архитектуре x86_64. Пакет управления кластером состоит из трех частей: инструментария CUDA, пакета драйверов NVIDIA и README.
Инструментарий управления кластером делится на работающий пакет cuda-cluster-runtime-10-1 и пакет разработки cuda-cluster-develi-10-1.Пакет разработки зависит от запущенного пакета. Пакет драйвера такой же, как пакет, представленный в общих решениях RPM и Deb, используемых в разделе управления пакетами.
README описывает зависимости пакета и исходного кода ядра для пакета управления кластером, а также описывает последовательность установки независимого пакета управления кластером.
1.6 Кросс-платформенная среда CUDA
1.7 Операции по обработке после установки
Действия после установки необходимо выполнять вручную. Эти операции делятся на обязательные, рекомендуемые и необязательные части.
1.7.1 Обязательная операция
Перед использованием набора инструментов и драйверов CUDA после установки необходимо выполнить некоторые действия.
1.7.1.1 Настройки среды
Переменная среды PATH должна содержать /usr/local/cuda-10.1/bin и /usr/local/cuda-10.1/NsightCompute-. Относится к версии расчета Nsight, включенной в набор инструментов CUDA, например 2019.1.
Добавьте этот путь к переменной пути:
Кроме того, при использовании метода установки с запущенным файлом переменная LD_LIBRARY_PATH должна содержать /usr/local/cuda-10.1/lib64 в 64-битной системе или /usr/local/cuda-10.1/lib в 32-битной системе.
Добавьте переменные среды в 64-битных операционных системах:
Добавьте переменные среды в 32-битных операционных системах:
Обратите внимание, что при использовании пользовательского пути установки с использованием метода установки с помощью файла запуска указанный выше путь изменится.
Добавьте в открытый файл:
1.7.2 Рекомендуемые действия
Для проверки целостности установки рекомендуется использовать другие операции.
1.7.2.1 Установка Persistence Daemon
NVIDIA предоставляет демон пользовательского пространства в Linux для поддержки сохранения состояния диска при выполнении заданий CUDA. Подход демона обеспечивает более элегантное и надежное решение этой проблемы, чем модель персистентности. Для получения дополнительной информации о демоне сохранения состояния NVIDIA см. ЗдесьДокументация。
Демон сохранения состояния NVIDIA может быть запущен от имени пользователя root и работает следующим образом:
Эту команду следует запускать от имени пользователя root. Подробнее о том, как автоматизировать, см. В документации по инициализации вашего дистрибутива Linux.
1.7.2.2 Установите записываемый образец
Чтобы изменить, скомпилировать и запустить образец, он должен быть установлен с разрешениями на запись. Вот удобный сценарий установки:
Этот сценарий устанавливается вместе с пакетом cuda-samples-10-1. Пакет cuda-samples-10-1 устанавливает только копию только для чтения в /usr/local/cuda-10.1/samples.
1.7.2.3 Проверить установку
Прежде чем продолжить, убедитесь, что инструментарий CUDA может находить оборудование с поддержкой CUDA и правильно взаимодействовать с ним. Для этого вам необходимо скомпилировать и запустить несколько включенных примеров программ.
Примечание. Убедитесь, что путь и переменная LD_LIBRARY_PATH (при использовании метода установки с файлом запуска) заданы правильно.
(1) Проверьте версию привода.
Если драйвер установлен, убедитесь, что загружена правильная версия. Если вы не установили драйвер или используемая операционная система не загружает драйвер через модуль ядра (например, L4T), пропустите этот шаг.
Когда драйвер загружен, вы можете узнать версию драйвера, выполнив команду:
Обратите внимание, что эта команда не работает в системах iGPU / dGPU.
Набор инструментов NVIDIA CUDA включает примеры программ в виде исходного кода. Следует скомпилировать их в
/NVIDIA_CUDA-10.1_Samples И введите make, сгенерированный двоичный файл будет помещен в
(3) Запустите двоичный файл
После компиляции найдите и запустите deviceQuery в
/ NVIDIA_CUDA-10.1_Samples. Если программное обеспечение CUDA установлено и настроено правильно, вывод deviceQuery должен быть похож на рисунок ниже.
1.8 Расширенные настройки
1.9 Удалить набор инструментов и драйвер CUDA
Выполните следующие действия, чтобы правильно удалить набор инструментов CUDA и драйвер NVIDIA из системы. Эти шаги гарантируют, что удаление будет чистым.
Удалить набор инструментов CUDA:
Удалите драйвер NVIDIA:
1.10 установка cuDNN
1.10.1 Установка из Tar
1.10.2 Установка из файлов Debian
1.10.3 Убедитесь, что установка прошла успешно
Чтобы проверить, установлен ли cuDNN и нормально ли он работает, вы можете скомпилировать образец mnistCUDNN в каталоге / usr / src / cudnn_samples_v7 в файле debian.
Если cuDNN установлен и правильно работает в системе Linux, будет выведено следующее сообщение:
Test passed!