Deepin15.4 下 CUDA 配置方法

deepin15.4不仅漂亮而且运行流畅，吸引了大批linuxer，其中也不乏搞cuda的小伙伴。但是有不少童鞋在deepin15.4下配置cuda遇到了困难，所以抽空写个博文说一下我配置的方法。主要针对电脑是intel 核显，nvidia显卡，需要运行cuda,并且有双显卡热切换需求的小朋友。

---

我的环境

先说一下我电脑的配置吧，大家的硬件环境不一样，我也没法一一测试。

• CPU intel core i5 4210u
• 显卡 nvidia gt840m
• 系统 deepin 15.4 x64

---

目标

1. 安装nvidia-bumblebee，实现双显卡切换

   对于笔记本用户来说，一直开着独显的话发热量会明显增大，并且耗电也会变快，所以需要安装bumblebee来切换显卡，平时只用核显就足够了，需要运行cuda或者玩游戏的话才开启独显。

2. 安装cuda开发工具

   cuda在linux下的开发工具基本上够用了，有基于eclipse 的nsight，有visual profiler性能分析工具，还有pycuda库实现对python运算的加速。但是我以前在deepin上面尝试安装官方的.run包，均以失败告终，很容易把电脑搞崩溃。最近终于找到了从软件源直接安装cuda的方法。

---

具体安装方法

1. 安装nvidia-bumblebee

   sudo apt update
   sudo apt install bumblebee bumblebee-nvidia nvidia-smi

   • 1
   • 2

   一行命令搞定nvidia驱动、bumblebee切换程序、和显卡状态监控程序。

   不用管nouveau驱动，系统会自己屏蔽掉。

   然后重启

   sudo reboot

   • 1

   重启之后测试

   nvidia-smi

   • 1

   和

   optirun nvidia-smi

   • 1

   如果出现如下界面，说明驱动安装成功 
   

2. 安装cuda开发工具

   首先安装配置g++,gcc

   因为cuda版本原因，cuda8之前都只支持g++-4.8,gcc-4.8

   所以gcc需要降级

   sudo apt install g++-4.8 gcc-4.8

   • 1

   然后更改软连接

   cd /usr/bin
   sudo rm gcc g++
   sudo ln -s g++-4.8 g++
   sudo ln -s gcc-4.8 gcc

   • 1
   • 2
   • 3
   • 4

   然后下载开发工具

   sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

   • 1

   使用nsight的方法为:在终端下输入

   optirun nsight

   • 1

   

3. 安装pycuda扩展

   有的同学有使用python 写cuda的需求，推荐pycuda，能够自定义核函数，并且里面带的GpuArray这个数据结构很好用安装方法为：

   sudo apt install python-pycuda

   • 1

   写一个程序

   from __future__ import print_function
   from __future__ import absolute_import
   import pycuda.autoinit
   import pycuda.gpuarray as gpuarray
   import pycuda.driver as cuda
   import numpy
   import time
   
   free_bytes, total_bytes = cuda.mem_get_info()
   exp = 10
   while True:
      fill_floats = free_bytes / 4 - (1<if fill_floats < 0:
          raise RuntimeError("couldn't find allocatable size")
      try:
          print("alloc", fill_floats)
          ary = gpuarray.empty((fill_floats,), dtype=numpy.float32)
          break
      except:
          pass
   
      exp += 1
   
   ary.fill(float("nan"))
   
   print("filled %d out of %d bytes with NaNs" % (fill_floats*4, free_bytes))
   
   time.sleep(10)

   • 1
   • 2
   • 3
   • 4
   • 5
   • 6
   • 7
   • 8
   • 9
   • 10
   • 11
   • 12
   • 13
   • 14
   • 15
   • 16
   • 17
   • 18
   • 19
   • 20
   • 21
   • 22
   • 23
   • 24
   • 25
   • 26
   • 27
   • 28

   另存为python fill_gpu_with_nans.py

   然后

   optirun python python fill_gpu_with_nans.py

   • 1

    
   ​