CentOS7服务器配置CUDA, cuDNN, python3, PaddlePaddle, PaddleDetection
文章目录
-
- 1.创建服务器
- 2.配置CUDA及cuDNN
- 3.安装Python3
- 4.安装PaddlePaddle
- 5.安装PaddleDetection
1.创建服务器
这里以腾讯云为例，具体创建服务器流程百度解决，但有一点需要注意：一定要在选镜像时勾选后台自动安装GPU驱动，否则自行安装会很麻烦，如下图：
然后选择所需的CUDA以及cuDNN版本号，这里要注意一定要安装与自己想安装的深度学习库(TensorFlow、PyTorch、PaddlePaddle、Keras、caffe等)所对应的CUDA及cuDNN版本（下文以CUDA10.1，cuDNN7.5为例），否则深度学习库无法调用CUDA及cuDNN。这里以CUDA10.1、cuDNN7.5为例
2.配置CUDA及cuDNN
开通服务器后，可用Xshell（可复制粘贴）或腾讯云自带的连接工具（无法复制粘贴）或电脑自带的远程桌面连接（需自己安装桌面等插件）远程连接自己配置好的服务器。
连接到服务器后，配置环境变量，在命令行输入：
sudo vim /etc/profile
进入profile配置文件后，按i在文件最后添加两行(其中10.1可更换为自己所需版本号)：
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
如下图所示：
添加后依次按Esc => : => w => q即可保存退出，并在命令行输入如下指令使配置文件立即生效：
source /etc/profile
验证CUDA安装完成 ，命令行输入：
nvcc -V
显示如下字样则表示安装成功：
验证cuDNN安装完成，命令行输入：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
显示如下字样则表示安装成功：
3.安装Python3
首先安装Python3所需要的依赖包，命令行输入：
yum -y groupinstall "Development tools"
yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel libffi-devel zlib1g-dev zlib*
注意一定要安装libffi-devel包，否则报错ModuleNotFoundError: No module named '_ctypes’
然后建立一个空文件夹（个人可以根据自己的情况安装在不同的位置）,并进入该目录：
mkdir /usr/local/python3
cd /usr/local/python3
根据自己需求下载不同版本的Python3（以3.7.0为例），命令行输入：
wget https://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz
依次执行下列代码，安装Python3.7.0：
tar -zxvf Python-3.7.0.tgz
cd Python-3.7.0
./configure --prefix=/usr/local/python3 --enable-optimizations --with-ssl
make && make install
其中第三行命令的第一个参数指定安装的路径，不指定的话安装过程中可能软件所需要的文件复制到其他不同目录，删除软件很不方便，复制软件也不方便；第二个参数可以提高python10%-20%代码运行速度；第三个是为了安装pip需要用到ssl。
然后创建软连接，命令行输入：
ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3
验证python3及pip3安装成功，命令行输入：
python3 -V
pip3 -V
如果显示版本号，就代表安装成功了，如下图所示：
这里需要注意的是当安装好python3后，会发现yum无法使用，这是因为yum是依赖python2.7的，但把python改成了3.7，导致无法使用。修改一下yum里的相关依赖，命令行输入：
vim /usr/libexec/urlgrabber-ext-down
打开后将第一行的python后加上2.7，如下图：
保存退出，然后再在命令行输入：
vi /usr/bin/yum
同样在python后添加2.7并保存退出，yum即可正常使用，如下图：
4.安装PaddlePaddle
命令行输入：
python3 -m pip install paddlepaddle-gpu==1.8.4.post107 -i https://mirror.baidu.com/pypi/simple
这里所需版本号可按自己需要更改，其中post107表示CUDA10.x版本和cuDNN7.x版本。安装完成后在命令行输入
python3
进入python3环境，然后输入：
>>> import paddle.fluid as fluid
>>> fluid.install_check.run_check()
如果出现PaddlePaddle is installed successfully!，说明您已成功安装，如下图所示：
退出python3环境只需输入exit()即可：
>>> exit()
需要注意的是，import paddle时可能会报错ImportError: libGL.so.1: cannot open shared object file: No such file or directory这是因为缺少共享库，这时在命令行输入：
yum install mesa-libGL.x86_64
等待共享库安装成功，再在python3环境中测试，即可成功。
5.安装PaddleDetection
建立一个空文件夹（个人可以根据自己的情况安装在不同的位置）,并进入上级目录：
mkdir /usr/local/PaddleDetection
cd /usr/local/
通过以下命令克隆PaddleDetection：
# 下面两条命令执行一条即可，效果相同，后一条命令克隆速度更快
git clone https://github.com/PaddlePaddle/PaddleDetection.git
git clone https://gitee.com/paddlepaddle/PaddleDetection
进入PaddleDetection目录，确认测试通过：
cd ./PaddleDetection
python3 ppdet/modeling/tests/test_architectures.py
测试通过后会提示如下信息：
使用预训练模型预测图像，快速体验模型预测效果：
# use_gpu参数设置是否使用GPU
python tools/infer.py -c configs/ppyolo/ppyolo.yml -o use_gpu=true weights=https://paddlemodels.bj.bcebos.com/object_detection/ppyolo.pdparams --infer_img=demo/000000014439.jpg
执行完成后，会在PaddleDetection的output文件夹下生成一个画有预测结果的同名图像：
至此，服务器便可调用GPU进行目标检测。