CentOS7安装NVIDIA显卡（型号：GeForce GTX 1050 Ti）及CUDA笔记

CUDA是由Nvidia开发的并行计算平台和编程模型，用于在其自己的GPU（图形处理单元）上进行通用计算。CUDA使开发人员能够利用GPU的强大功能来加速计算密集型应用程序的可并行化部分。

近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。

闲话少说，先开始安装GPU显卡驱动。

1、检测显卡驱动及型号
##添加ELPepo源，参照网上资料有版本差异，我取最新版本，地址如下：http://elrepo.org/tiki/tiki-index.php
$ sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
$ sudo yum install https://www.elrepo.org/elrepo-release-7.0-3.el7.elrepo.noarch.rpm

##安装NVIDIA驱动检测
$ sudo yum install nvidia-detect
$ nvidia-detect -v

[root@bogon 下载]# nvidia-detect -v
Probing for supported NVIDIA devices...
[10de:1c82] NVIDIA Corporation GP107 [GeForce GTX 1050 Ti]
This device requires the current 418.43 NVIDIA driver kmod-nvidia

下载驱动地址，https://www.geforce.cn/drivers

$ wget -r -np -nd https://cn.download.nvidia.cn/XFree86/Linux-x86_64/418.43/NVIDIA-Linux-x86_64-418.43.run

2、处理显卡冲突

因为安装NVIDIA官方驱动会和系统自带nouveau驱动冲突，需要禁用自带的nouveau驱动，先执行命令查看该驱动状态：
$ lsmod | grep nouveau

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。
$ echo -e “blacklist nouveau\noptions nouveau modeset=0” > /etc/modprobe.d/blacklist.conf
或者，直接创建编辑 /etc/modprobe.d/blacklist.conf
$ vim /etc/modprobe.d/blacklist.conf
blacklist nouveau
noptions nouveau modeset=0

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、安装cuda

资料上建议先装cuda，避免安装中的冲突。

官网下载cuda-rpm包https://developer.nvidia.com/cuda-downloads，一定要对应自己的版本。

$ wget https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-rhel7-10-1-local-10.1.105-418.39-1.0-1.x86_64.rpm
$ sudo rpm -i cuda-repo-rhel7-10-1-local-10.1.105-418.39-1.0-1.x86_64.rpm
$ sudo yum clean all
$ sudo yum install cuda

由于Tensorflow-gpu（V1.13.1）等框架对CUDA（V10.0）版本有要求，需要卸载已经安装好等10.1版本等CUDA，重新安装10.0版本，具体过程如下：
（1）卸载
$ sudo rm -rf /usr/local/cuda-10.1/include/cudnn.h
$ sudo rm -rf /usr/local/cuda-10.1/lib64/libcudnn*
$ sudo yum remove cuda*
（2）重新安装，软件包下载过程同上，自己找。
$ sudo rpm -i cuda-repo-rhel7-10-0-local-10.0.130-410.48-1.0-1.x86_64.rpm$ sudo yum clean all
$ sudo yum install cuda`

5、测试cuda
$ cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

注：对于10.0版本，路径为/usr/local/cuda/samples/1_Utilities/deviceQuery，或者/usr/local/cuda-10.0/samples/1_Utilities/deviceQuery

6、设置环境变量
cuda添加到bashprofile中

vim .bashprofile

PATH=$PATH:$HOME/bin:/usr/local/cuda/bin
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64/
CUDA_HOME=/usr/local/cuda
export PATH
export LD_LIBRARY_PATH
export CUDA_HOME

环境变量生效：
$ source .bashprofile

测试

$ nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105

7、安装
进入NVIDIA目录执行安装（建议推迟到cuda安装后再装驱动），安装之前需要重启服务。

先关闭图形界面
$init 3

$ chmod +x NVIDIA-Linux-x86_64-418.43.run
$ sh NVIDIA-Linux-x86_64-418.43.run

如果安装完成，可以运行命令查看显卡状态
$ nvidia-smi

8、恢复到图形界面

$ init 5
可以看到Cenos的图形服务界面。

本环境，中安装NVIDIA官方驱动前，经常出现kworker/u12:x （x是指数字可变）占用了大量CPU（超过65%），造成界面很难操作，通过top命令查看pid，再通过cat /proc/pid/stack命令查看堆栈。

安装官方驱动后，症状消失，待观察。

9、安装CUDNN

从官网下载安装包：https://developer.nvidia.com/cudnn，注意需要注册为开发者。依赖的CUDA目录为/usr/local/cuda/。
$ tar -xzvf cudnn-10.1-linux-x64-v7.5.0.56.tgz
$ cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
$ cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64
$ chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda-10.1/lib64/libcudnn*

卸载及重新安装：
卸载采用删除方式就可以，我找卸载（remove）cuda时，就把lib等对应关系、依赖关系就删除了，只留下文件夹及内容。
重新安装同上，修改其中等文件目录。
CUDA10.0对应CUDNN的版本是V7.5.1。
$ tar -xzvf cudnn-10.0-linux-x64-v7.5.1.10.tgz
$ cp cuda/include/cudnn.h /usr/local/cuda/include
$ cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

$ ln -sf /usr/local/cuda/lib64/libcudnn.so.7.5.1 /usr/local/cuda/lib64/libcudnn.so.7
最后执行$ ldconfig 命令，这步非常重要，将影响Tensorflow等框架等使用。

注：
$ ldconfig
ldconfig: /usr/local/cuda-10.0/targets/x86_64-linux/lib/libcudnn.so.7 不是符号连接
通过ldconfig命令，可以检查出lib库文件的异常，例如上面重建连接。

后记，修订说明：
（1）最初文中有几处错误，幸好系统崩溃重新安装时发现更正。
（2）安装显卡驱动过程中，在去掉兼容驱动后，需要重启服务（忘记了第一次是否重启）$reboot；
（3）补充说明，本系统是基于CentOS图形画Server模式，并安装了开发者工具（包括GCC等）和兼容库。

欢迎读者反馈、完善。

参考：
《CentOS7.3安装NVIDIA-1080ti驱动、cuda、cudnn、TensorFlow》CSDN博客 延卿 2018年4月
《centos7.5安装1050Ti NVIDIA Driver 和 CUDA9》CSDN博客 cloudren2019 2018年10月
《cuDNN Installation Guide 》 November 1, 2018
《NVIDIA CUDA Installation Guide for Linux》 March 26, 2019