一文详解GCC7、CUDA 11.2、CUDNN部署

在部署之前，需要了解下python-tensorflow-cuDNN-CUDA版本对应关系,以便能够完全兼容

下文以此版本为例部署

gcc-7.3.1

gpu driver-460.106.00

cuda-11.2

cudnn-8.1.1

一.gcc部署

1.安装

[root@gpu ~]# yum -y install centos-release-scl
[root@gpu ~]# yum install devtoolset-7-gcc*

安装完成后会发现/opt/rh目录下会多出以下目录devtoolset-7,说明安装成功

2.切换为默认版本

[root@gpu ~]# mv /usr/bin/gcc /usr/bin/gcc-4.8
[root@gpu ~]# mv /usr/bin/g++ /usr/bin/g++-4.8
[root@gpu ~]# ln -s /opt/rh/devtoolset-7/root/usr/bin/gcc /usr/bin/gcc
[root@gpu ~]# ln -s /opt/rh/devtoolset-7/root/usr/bin/g++ /usr/bin/g++
[root@gpu ~]# mv /usr/bin/cc /usr/bin/cc-4.8
[root@gpu ~]# mv /usr/bin/c++ /usr/bin/c++-4.8
[root@gpu ~]# ln -s /usr/bin/gcc /usr/bin/cc
[root@gpu ~]# ln -s /usr/bin/g++ /usr/bin/c++
[root@gpu ~]# gcc --version

至此，gcc升级完成。

如果想临时生效，可以执行下面命令:

# 查看已有的版本
scl --list 
# 切换gcc环境
scl enable  devtoolset-7 bash
# 退出环境
exit 

二.GPU driver部署

1. • 查看显卡型号

lspci | grep -i vga

可以查看显卡型号。但是是一串数字代码，可通过PCI devices网站进行查询。

本案例的型号是Tesla T4

2. • 确保内核版本一致

rpm -qa | grep kernel

1.需要安装kernel-devel安装包，否则后面安装报错

2.需要确保所有包版本一致，否则后面安装报错

3. • 安装dkms

DKMS全称是DynamicKernel ModuleSupport，它可以帮我们维护内核外的驱动程序，在内核版本变动之后可以自动重新生成新的模块。

yum install -y dkms

4. • 禁用系统默认安装的 nouveau 驱动

# 修改配置
echo -e "blacklist nouveau\noptions nouveau modeset=0" > /etc/modprobe.d/blacklist.conf
 
# 备份原来的镜像文件
cp /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
 
# 重建新镜像文件
sudo dracut --force
 
# 重启
reboot
 
# 查看nouveau是否启动，如果结果为空即为禁用成功
lsmod | grep nouveau

5. • 下载驱动包

地址：https://www.nvidia.com/Download/Find.aspx

查看支持显卡的驱动最新版本及下载，下载之后是.run后缀。然后上传到服务器任意位置即可

6. • 安装

安装之前需要卸载旧的驱动(如无请忽略)

/usr/bin/nvidia-uninstall

安装新版本驱动

chmod +x NVIDIA-Linux-x86_64-418.126.02.run
sh NVIDIA-Linux-x86_64-418.126.02.run  --disable-nouveau

执行nvidia-smi查看是否安装成功

三.CUDA部署

1. • 卸载之前的安装包

systemctl stop lightdm
cd /usr/local/cuda-8.0/bin
./uninstall_cuda_8.0.pl
rm -rf /usr/local/cuda-8.0

2. • 下载安装包并安装

地址：https://developer.nvidia.com/cuda-toolkit-archive

wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda_11.2.2_460.32.03_linux.run
sudo sh cuda_11.2.2_460.32.03_linux.run

键入accept确认。

我们已经有驱动了，这里取消安装驱动，上下键和回车键选择。

稍作等待，出现以下提示信息就安装好了，可以看到CUDA安装到了/usr/local/cuda-11.2/

3. • 配置环境变量

vim /etc/profile
  export PATH=//usr/local/cuda-11.2/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64$LD_LIBRARY_PATH
source /etc/profile

4. • 检查是否安装成功

四.CUDNN部署

1. • 下载安装包

地址：https://developer.nvidia.com/rdp/cudnn-archive

2. • 安装

    tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz
    cd cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive
    sudo cp lib/* /usr/local/cuda-11.2/lib64/
    sudo cp include/* /usr/local/cuda-11.2/include/
    sudo chmod a+r /usr/local/cuda-11.2/lib64/*
    sudo chmod a+r /usr/local/cuda-11.2/include/*

3. • 查看是否安装成功

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2