CentOS7.6——安装Nvidia驱动和CUDA10.1＋CUDNN、TensorFlow 2.1.0

参考博客一：Tesla M60 GPU 基于CentOS7.3服务的搭建与代码测试
参考博客二：Ubuntu 下安装Anaconda + 显卡驱动 + CUDA + CUDNN + 离线安装环境
参考博客三：CentOS 7安装GPU、Cuda、Tensorflow
靠谱：Ubuntu18.04下安装Nvidia驱动和CUDA10.1＋CUDNN

下载安装包

• Anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

• 显卡驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn

• CUDA：https://developer.nvidia.com/cuda-toolkit-archive

• CUDNN：https://developer.nvidia.com/rdp/cudnn-download

一、安装前准备工作

1、查看系统内核版本和gcc版本

# uname -r
3.10.0-693.el7.x86_64 ; 不同操作系统的内核版本会不一样，最好记住它
# gcc -v

2、下载kernel-devel-3.10.0-693.el7.x86_64.rpm 这个包
下面三个网站都可以下载

http://ftp.riken.jp/Linux/cern/centos/7/updates/x86_64/repoview/kernel-devel.html

http://rpmfind.net/linux/rpm2html/search.php?query=kernel-devel

https://pkgs.org/download/kernel-devel

3、安装 基础依赖环境

sudo rpm -ivh kernel-devel-3.10.0-514.el7.x86_64.rpm

安装rpm包后，继续安装其他依赖：

yum -y install gcc dkms

4、检测显卡驱动及型号
（1）添加ELPepo源

# rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
# rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm

（2）NVIDIA驱动检测

# yum install nvidia-detect
# nvidia-detect -v

（3） NVIDIA驱动下载
下载驱动到/downloads目录下：
创建 /downloads目录

# mkdir /downloads

跳转到 /downloads目录

# cd /downloads

5、解决CentOS默认的显卡驱动冲突,禁用nouveau

(1)因为NVIDIA驱动会和系统自带nouveau驱动冲突，执行命令查看该驱动状态：

lsmod | grep nouveau

如果出现如下内容，说明存在显示冲突问题，反之则不存在

(2)修改/etc/modprobe.d/blacklist.conf 文件，以阻止 nouveau 模块的加载，如果系统没有该文件需要新建一个，这里使用root权限，普通用户无法再在/etc内生成.conf文件，

$ su root
# echo -e "blacklist nouveau\noptions nouveau modeset=0" > /etc/modprobe.d/blacklist.conf

(3)重新建立initramfs image文件

# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
# dracut /boot/initramfs-$(uname -r).img $(uname -r)

(4)重启服务器，让禁用生效

sudo init 6

二、安装GPU显卡的驱动

⚠️在安装显卡驱动前，记得关闭主板的security boot，这是因为Linux 的自带显卡驱动是nouveau，而英伟达的官方驱动这时候成了第三方驱动。security boot禁止第三方驱动。
(1)关闭X Server.

systemctl stop gdm.service

(2)进入NVIDIA目录执行安装

$ chmod u+x NVIDIA-Linux-x86_64-415.13.run
$ ./NVIDIA-Linux-x86_64-375.39.run --kernel-source-path=/usr/src/kernels/3.10.0-693.el7.x86_64

如果安装完成，可以运行命令查看显卡状态

$ nvidia-smi

三、基于GPU显示的开发包的安装

3、安装cuda

4、测试cuda

5、cuda添加到.bash_profile中

6、安装cudnn(可以理解为Cuda的)

sudo  tar zxvf cudnn-9.0-linux-x64-v7.1.tgz -C /usr/local/

致此，GPU的驱动及开发程序包已经安装完成，下面开始安装python开发环境！

四、基于GPU python的开发环境的准备

Centos7 下安装python3及卸载

五、GPU程序测试

##TensorFlow GPU代码测试

#Creates

import tensorflow as tfa graph.

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

#Creates a session with log_device_placement set to True.

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

#Runs the op.print

sess.run(c)

运行结果出现如下图的内容，代表GPU安装成功！