CUDA与PyCUDA开发环境配置详情

1、安装CUDA

1.1安装前工作

1.1.1选取实验器材

实验中的计算机装有双系统，是在Windows 7 系统环境下的F盘，安装了一个Ubuntu14.04 64位的操作系统，配置8G内存和80G的存储。计算机配置有GeForce GTX 650显卡，拥有384个CUDA核心。

1.1.2安装前准备

用以下命令来验证计算机有一个支持CUDA的GPU，只要型号存在于NVIDIA官网（https://developer.nvidia.com/cuda-gpus）就没问题：

$ lspci | grep -i nvidia

用以下命令验证有一个支持CUDA的Linux版本，主要是“x86_64”一项，需要是x86架构，64bit系统：

$ uname -m && cat /etc/*release

 用以下命令验证系统中是否安装有gcc，Ubuntu14.04默认安装，没有的话手动安装，这个用来编译CUDA Toolkit：

$ gcc --version

 系统中的内核头文件和开发包需要与系统内核版本保持一致，系统内核版本用以下命令确认：

$ uname –r

Ubuntu下安装对应内核版本的内核头文件和开发包的命令如下：

$ sudo apt-get install linux-headers-$(uname -r)

以下命令安装必要的库文件：

$ sudo apt-get update

$ sudo apt-get install build-essential

去NVIDIA官网（https://developer.nvidia.com/cuda-downloads）下载最新版本的RUN包，本实验用到的是cuda_7.5.18_linux.run，在Ubuntu系统环境下解压到/home/hadoop/文件路径下，解压命令如下：

$ sudo ./ cuda_7.5.18_linux.run –extract=/home/hadoop/

解压后在目的文件夹下生成三个文件，分别为驱动文件（NVIDIA-Linux-x86_64-352.39.run），CUDA安装包（cuda-linux64-rel-7.5.18-19867135.run），Samples包（cuda-samples-linux-7.5.18-19867135.run）。

1.2安装NVIDIA显卡驱动

1.2.1删除原有显卡驱动

可以通过以下命令删除Ubuntu自带的NVIDIA显卡驱动：

$ sudo apt-get remove nvidia*

$ sudo apt-get autoremove

1.2.2禁止其它显卡驱动运行

需要将Ubuntu集成的NVIDIA驱动加入黑名单，防止驱动冲突导致后期黑屏。具体地，通过修改/etc/modprobe.d/blacklist.conf文件：

$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

在blacklist-nouveau.conf中写入：

blacklist nouveau

blacklist lbm-nouveau

options nouveau modeset=0

alias nouveau off

alias lbm-nouveau off

保存并退出，这样就已经禁止了其它显卡驱动。

或者，也可以通过以下两个命令来禁止显卡驱动：

$ echo options nouveau modeset=0 | sudo tee -a/etc/modprobe.d/nouveau-kms.conf

$ sudoupdate-initramfs -u

1.2.3重启计算机

重启计算机之后，通过Ctrl+Alt+F1(或者 F2 ~ F6) 切换到命令控制台，按照命令行提示输入计算机的用户名和密码，进入之后，用以下命令关闭桌面服务：

$ sudo stoplightdm

1.2.4安装驱动

在/home/hadoop/文件路径下，对已经解压好的驱动文件NVIDIA-Linux-x86_64-352.39.run，设置为可执行权限，并执行。

$ cd /home/hadoop/

$ sudo chmod +x NVIDIA-Linux-x86_64-352.39.run

$ sudo sh NVIDIA-Linux-*-346.35.run

按照屏幕上的提示执行下去即可，直到显示安装成功界面。

1.2.4重启计算机

运行以下命令保存新的NVIDIA配置：

$ sudo nvidia-xconfig 

1.2.5驱动重装

如果安装失败，或者更换驱动版本，则需要卸载先前驱动，具体地：

重启计算机，按下Ctrl+Alt+F1(或者 F2 ~ F6) 切换到命令控制台，关闭桌面服务，将驱动文件所在目录定位到当前目录，通过以下命令卸载即可：

$ cd /home/hadoop/

$ sudo sh NVIDIA-Linux-x86_64-352.39.run --uninstall

通过以下操作删除先前配置的文件：

$ cd /etc/modprobe.d/

$ sudo rm blacklist-nouveau.conf nouveau-kms.conf

$ sudo update-initramfs –u

这样就成功卸载了安装的NVIDIA驱动，如果希望重装，按照上面的步骤再操作即可。可以通过重启计算机或者以下命令开启桌面服务：

$ sudo start lightdm

1.3安装CUDA

1.3.1 安装操作

在/home/hadoop/文件路径下有解压后的CUDA安装包cuda-linux64-rel-7.5.18-19867135.run，对它设置为可执行权限，并执行。

$ cd /home/hadoop/

$ sudo chmod +x cuda-linux64-rel-7.5.18-19867135.run

$ sudo ./cuda-linux64-rel-7.5.18-19867135.run

然后按照提示安装即可，我们选择默认的安装路径/usr/local/cuda-7.5。

1.3.2修改环境变量

安装CUDA之后，必须配置正确的环境变量才可以使用。具体地通过编辑~/.bashrc文件完成。具体操作如下：

$ sudo gedit ~/.bashrc

在~/.bashrc文件中添加下面内容：

export CUDA_ROOT=$CUDA_ROOT:/usr/local/cuda-7.5

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-7.5/lib64/

export PATH=$PATH:/usr/local/cuda-7.5/bin/

通过下面的操作来使得我们修改的环境变量生效：

$ source ~/.bashrc

1.4 安装CUDA Samples

Samples包中含有许多CUDA示例，可用来验证CUDA安装是否已经成功，通过下面的操作来完成Samples的安装：

$ cd /home/hadoop/

$ sudo chmod +x cuda-samples-linux-7.5.18-19867135.run

$ sudo ./cuda-samples-linux-7.5.18-19867135.run

本实验中选择的安装路径为默认安装路径/usr/local/cuda-7.5/samples。完成后就可以开始编译Sample文件。编译命令如下：

$ cd /usr/local/cuda-7.5/samples

$ sudo make

等待全部编译工作完成之后，开始进行验证操作。具体地：

$ cd /usr/local/cuda-7.5/samples/bin/x86_64/linux/release

$ ./deviceQuery

如果出现对应的显卡信息，就说明CUDA安装成功。

CUDA安装路径为/usr/local/cuda-7.5/，samples安装路径为/usr/local/cuda-7.5/samples，成功安装CUDA之后，再开始接下来的步骤。

2、安装PyCUDA。

2.1确保CUDA已经正确安装，并可以通过测试。需要设置$CUDA_ROOT为CUDA的安装路径，将$CUDA_ROOT/bin设置在$PATH中。

2.2通过以下命令安装 Boost C++ 库。

$ sudo apt-get install libboost-all-dev

2.3通过以下操作安装numpy

$ sudo apt-get install python-numpy

2.4安装必要的库操作

$ sudo apt-get install python-dev python-setuptoolslibboost-python-dev libboost-thread-dev -y

2.5在pycuda官网（https://pypi.python.org/pypi/pycuda）下载最新版本的PyCUDA安装包pycuda-2015.1.3.tar.gz到/usr/local/目录下，并解压。

$ cd /usr/local/

$ sudo tar xzvf pycuda-2015.1.3.tar.gz

2.6修改PyCUDA的配置文件，操作命令如下：

$ cd /usr/local/pycuda-2015.1.3

$ sudo ./configure.py --cuda-root=/usr/local/cuda-7.5 --cudadrv-lib-dir=/usr/lib/x86_64-linux-gnu--boost-inc-dir=/usr/include --boost-lib-dir=/usr/lib--boost-python-libname=boost_python --boost-thread-libname=boost_thread

2.7为避免找不到nvcc的路径，可以通过下面的命令进行编译安装：

   $ sudo env PATH=$PATH make –j 4

   $ sudoenv PATH=$PATH python setup.py install

2.8安装完成后，可以通过测试pycuda-2015.1里面的例子来验证安装：

   $ cd /usr/local/pycuda-2015.1.3/examples

   $ python demo.py

  如果出现正确的矩阵计算结果，则表示PyCUDA安装成功。

PyCUDA安装路径为/usr/local/pycuda-2015.1.3。

以上为本人经过实践的良心总结，希望能够对刚开始研究GPU计算的童鞋们有一些帮助，其中可能有些不足之处，还请见谅，希望和大家互相交流共同进步！