ubuntu16.04+双显卡驱动+cuda9.1+cudnn7.05深度学习环境配置

因为项目需要，准备入坑facebook的detectron目标检测框架。由于目前框架只能在linux+gpu环境下运行，所以准备了以下工作：

先说下我的硬件配置：

i5-6500破铜

华硕gtx 1080ti 显卡

32G ddr4内存

华硕z170主板

主板上有一个hdmi接口，当显示器和这个hdmi接口连接时，核显驱动显示;当显示器和显卡后面的hdmi口连接时，gtx1080驱动显示器。

值得一提的是，我是win7系统用easybcd在硬盘上装了ubuntu16.04，由于i5带核心显卡，所以在安装时我拆掉了gtx1080，然后hdmi线连到主板的插口上安装系统的。不拆显卡直接安装会失败。

话说，核显+独显双核显卡配置的ubuntu装nvidia驱动是个大坑啊，之前折腾我的笔记本i7  4700hq与gtx850M装nvidia驱动那一个心酸，体验了从入门到放弃的全过程。好在现在手头有个台式机器可以继续尝试折腾。

双hdmi口的双显卡驱动安装很简单，一点也不虐心，跟我来吧：

1. 准备工作

Ubuntu16.04系统安装完毕之后，（此时gtx1080显卡还没装回主板上）首先做两个准备工作，一个是更新apt-get的源，可以用清华源：

 1/ 在修改source.list前，最好先备份一份

 执行备份命令
    
 sudo cp /etc/apt/sources.list /etc/apt/sources.list.old

 2/ 执行命令打开source.list文件：

推荐用gedit工具打开，对于新手简单容易上手：
    
 sudo gedit /etc/apt/source.list
 3/复制源

 把下面的任意一下复制到source.list中去，并删除覆盖原来的文件内容。
 # deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe

 deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse

 4/update命令 ，便更新结束
 sudo apt-get update

2. 安装CUDA TOOLKIT

到这一步很多同学就会奇怪了，为什么不先装显卡驱？因为cuda安装过程会默认安装驱动，即使你的机器上面没有独立显卡（此时gtx1080显卡依然没装回主板上）。

前往NVIDIA的 CUDA 官方页面，登录后可以选择CUDA9.1版本下载：https://developer.nvidia.com/cuda-downloads , 这次我选择的是面向ubuntu16.04的deb版本:

下载完deb文件之后按照官方给的方法按如下方式安装CUDA9.1： 

sudo dpkg -i cuda-repo-ubuntu1604-9-1-local_9.1.85-1_amd64.deb

安装结束后添加key到环境变量

sudo apt-key add /var/cuda-repo-9-1-local-rc/7fa2af80.pub
sudo apt-get update

sudo apt-get install cuda

ok到这一步cuda与nvidia驱动都装好了，下一步是关闭机器，拿起螺丝刀装上gtx1080ti显卡！

安装完毕后，把机箱后hdmi先插回显卡的hdmi上，然后开机！

打开系统设置，再打开软件和更新，打开附加驱动选项卡，等待几秒后出现双显卡的驱动使用情况，点击核心显卡下面的不使用设备选项，在NVIDIA里选择最新的显卡驱动nvidia-387，然后点右下角的应用更改。如下图，显卡驱动安装大功告成！

下面可以测试一下CUDA的相关例子，验证cuda和显卡驱动有没有安装成功，我将cuda9.1下的sample拷贝到一个临时目录下进行编译：

cp -r /usr/local/cuda-9.1/samples/ .
cd samples/
make

make大概十分钟左右，等待结束后，cd到拷贝sample文件夹的目录：

cd /home/ubuntu/samples

然后继续进入子文件夹

cd /home/ubuntu/samples/1_Utilities/bandwidthTest

终端继续输入

./bandwidthTest

出现如下信息证明安装ok！

[CUDA Bandwidth Test] - Starting...
Running on...

Device 0: GeForce GTX 1080
Quick Mode

Host to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 11258.6

Device to Host Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 12875.1

Device to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 231174.2

Result = PASS

 

最后在 ~/.bashrc 里再设置一下cuda的环境变量：

 

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

然后终端输入

source ~/.bashrc 让其生效。

3. 安装cuDNN

安装cuDNN很简单，不过同样需要前往NVIDIA官网： https://developer.nvidia.com/rdp/cudnn-download，这次我们选择的是cuDNN7.05, 关于cuDNN7.05:

我选择的是这个版本：cuDNN v7.05  for CUDA 9.1  --- cuDNN v7.05 Library for Linux

下载完毕后解压，然后将相关文件拷贝到cuda安装目录下即可：
首先cd到cudnn目录，如我的cudnn在/home/ubuntu/deeplearning/environment
那么首先：
cd /home/ubuntu/deeplearning/environment
然后：
tar -zxvf cudnn-9.1-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

 

到此双显卡驱动+cuda9.1+cudnn7.05深度学习环境安装完毕啦，下一步就是安装detectron了，且听下回分解。

错误提示:

Makefile:381: recipe for target 'cudaDecodeGL' failedmake[1]: *** [cudaDecodeGL] Error 1make[1]: Leaving directory '/home/cocadas/Workspace/NVIDIA_CUDA-8.0_Samples/3_Imaging/cudaDecodeGL'Makefile:52: recipe for target '3_Imaging/cudaDecodeGL/Makefile.ph_build' failedmake: *** [3_Imaging/cudaDecodeGL/Makefile.ph_build] Error 2

修改：.../NVIDIA_CUDA-8.0_Samples/3_Imaging/cudaDecodeGL/findgllib.mk file，将UBUNTU_PKG_NAME = "nvidia-375"改成对应驱动版本号