CentOS 7 - Cuda + CuDNN + Tensorflow 環境架設 (GPU: NVIDIA Quadro P620)

-

 

顯示卡: NVIDIA Quadro P620 

查看顯卡

sudo lshw -C display 







---前置步驟---

安裝好 python3

centos 7 环境下GPU环境搭建+安装tensorflow

---安裝 bazel---

centos7安装bazel，亲测可行

---安裝好虛擬環境---


建立 venv 的環境

(第一個 venv 不要改，第二個 venv 改成你想建立的環境名稱，同時也會是環境資料夾的名稱)


python3 -m venv venv


啟動 venv 環境


source venv/bin/activate


如果想要離開虛擬環境


deactivate


接著到安裝 tensorflow之前

都可以先不用進入虛擬環境！


(最好有裝虛擬環境才不怕用爆，用爆就刪掉環境重裝就好)


***注意***

整個環境的安裝，一定要確定好彼此版本是否相容

不相容的版本會造成無法正常安裝

還有安裝 driver 的過程一定要專心

如果走錯一步可能會很麻煩！

遇到不確定的選項就去 Google 看看

官方的相容版本說明文件


本篇選擇 

tensorflow_gpu-1.15.0 + python 3.6 + CuDNN 7.6 + CUDA 10 + Nvidia Driver Linux v470


---安裝顯卡驅動---

版本: NVIDIA-Linux-x86_64-470.63.01.run

這部分請上 顯卡驅動下載官網 找自己顯卡的版本

然後將下載網址貼到 wget 後面


wget https://tw.download.nvidia.com/XFree86/Linux-x86_64/470.63.01/NVIDIA-Linux-x86_64-470.63.01.run


安裝前要先把 X Window 關掉否則會出錯

首先登出使用者(就是要到開機時選擇使用者的那個畫面)

然後按 fn + ctrl + alt + F2

進入到文字介面

然後輸入 root 的帳密進行安裝


先停用 nouveau

請參考 CentOS Linux 7 安裝 NVIDIA 顯示卡驅動程式教學 STEP4 ~ STEP6


先看 gdm.service 的狀態應為 activate


sudo systemctl status gdm.service


停止 gdm.service


sudo systemctl stop gdm.service


再看一次 gdm.service 的狀態


sudo systemctl status gdm.service


發現 activate 不見了就表示關閉成功


安裝驅動

sudo sh NVIDIA-Linux-x86_64-470.63.01.run


然後開始回答問題


install nvidia's 32-bit compatibility libraries?

no


顯示安裝完成

要再把 gdm.service 啟動回來


sudo systemctl start gdm.service


安裝完成後用下面指令確定安裝成功


nvidia-smi


---沒特別問題的可跳過此區---

不過這時候發現一個小意外

之前裝的有限網卡驅動直接消失了

所以沒辦法有線連線

然後我也找不到 modprob 指令了

modprob 指令應該在 /usr/sbin/ 裡頭

只要把 /usr/sbin 加進去 ~/.bashrc 裡頭的 $PATH 後面

然後用 source 重新使檔案生效就好

然後再用 modprob 把你的模組裝回來就好

(可參考: CentOS 7 - 聯想筆電安裝網卡驅動(Intel I219-LM))

------


---安裝 Cuda---

版本:

這部分一樣上 Cuda 下載官網 找自己相容的版本

然後按照給予的指令安裝即可

安裝時會出現 License Agreement 之類的東西

就一直按 Enter 就好

不過記得如果有 patch 的話也要一起下載

然後就是從主要的開始安裝

然後 patch 就是按照號碼順序安裝


執行主要安裝程式


sudo sh cuda_10.0.130_410.48_linux.run


Do you accept the previously read EULA?

accept/decline/quit: accept


Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?

(y)es/(n)o/(q)uit: no

**注意這裡不需要再裝一次 driver


Install the CUDA 10.0 Toolkit?

(y)es/(n)o/(q)uit: yes


Enter Toolkit Location

 [ default is /usr/local/cuda-10.0 ]: 


Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: yes


Install the CUDA 10.0 Samples?

(y)es/(n)o/(q)uit: yes


Enter CUDA Samples Location

 [ default is /home/olivia ]: 


執行 patch 1 程式


sudo sh cuda_10.0.130.1_linux.run


Do you accept the previously read EULA?

accept/decline/quit: accept


Enter CUDA Toolkit installation directory

 [ default is /usr/local/cuda-10.0 ]: 


Installation complete!

Installation directory: /usr/local/cuda-10.0


出現 Installation complete! 表示安裝成功


記得要將 CUDA 加入環境變數


打開 bashrc


sudo vim ~/.bashrc


export CUDA=/usr/local/cuda-10.0

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA/lib64

export PATH=$PATH:$CUDA/bin


生效環境


source ~/.bashrc


重新載入 library


sudo ldconfig -v


測試部分請參考這個網站

NV顯卡驅動+cuda 9.1+cudnn 7.1.2 安裝

最後測試都為 pass 的話

就表示 CUDA 安裝成功了！


---安裝 CuDNN (非必要，為加速用)---

版本: cuDNN v7.6.5

先去 官網 下載這個版本下來(必須要登入或註冊帳號)


cuDNN Runtime Library for RedHat/Centos 7.3 (RPM)

cuDNN Developer Library for RedHat/Centos 7.3 (RPM)

cuDNN Code Samples and User Guide for RedHat/Centos 7.3 (RPM)


安裝 rpm 套件


sudo rpm -ivh libcudnn7-7.6.5.32-1.cuda10.0.x86_64.rpm 

sudo rpm -ivh libcudnn7-devel-7.6.5.32-1.cuda10.0.x86_64.rpm

sudo rpm -ivh libcudnn7-doc-7.6.5.32-1.cuda10.0.x86_64.rpm


加入環境變數


vim ~/.bashrc


export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/x86_64-redhat-linux6E/


生效環境變數


source ~/.bashrc


重新載入 library


sudo ldconfig -v


測試部分一樣參考

NV顯卡驅動+cuda 9.1+cudnn 7.1.2 安裝

最後出現 Test Passed! 的話

就是表示安裝成功！


---安裝 Tensorflow---

版本:tensorflow_gpu-1.15.0


安裝 epel-release 


sudo yum -y install epel-release


把 yum 套件該更新的都更新


yum -y update


安裝需要用到的套件


sudo yum -y install gcc gcc-c++ python-pip python-devel atlas atlas-devel gcc-gfortran openssl-devel libffi-devel


移動到你剛剛裝虛擬環境的目錄


cd venv/


啟動虛擬環境



source bin/activate



安裝 tensorflow-gpu



pip install tensorflow-gpu==1.15



確認是否安裝成功



python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"



沒有出現 error 訊息就是成功了唷！

ref:

install Tensorflow with GPU support on Centos 7

centos 7 环境下GPU环境搭建+安装tensorflow

CentOS7.2 在GUI下关闭X Server

Ctrl+Alt+Fx not working to bring virtual terminal !

CentOS Linux 7 安裝 NVIDIA 顯示卡驅動程式教學

NV顯卡驅動+cuda 9.1+cudnn 7.1.2 安裝

How to Install and Use TensorFlow on CentOS 7

留言

張貼留言

這個網誌中的熱門文章

Formal Verification(正規驗證)介紹和如何使用 SVA(System Verilog Assertion) 做驗證

-
圖片
(零)前提: 關於 Formal Verification，其實我也還不是很理解，而且資源也不是那麼多，尤其很多都只是觀念性的介紹，甚至寫得很艱澀難懂落落長，但沒實質提到該怎麼做 Formal Verification。 但據說驗證在 IC 設計上又是非常重要的，所以雖然這部分真的不好理解，還是硬著頭皮收集資料寫下這一篇，所以這篇也不會寫到太深，畢竟這整個要講起來是很專業領域的。 因此這篇適用於對 Formal Verification 完全不理解的人，希望可以幫助你入門。 (一)正文: 當我們完成一塊電路時，要怎麼確定功能跟預期的結果是一樣的？ 1. 在軟體內跑 Waveform，比對預期結果和實際結果     (1) 有 GUI，淺顯易懂     (2) 新手友善 2. 寫 Testbench，比對預期結果和實際結果     (1) 許多參數要自己設定     (2) 需要下點功夫才能理解 上述方法都是把所有的 Case 會產生的結果用手寫出來，然後再用人眼去比對每個預期結果和實際結果是不是一樣。 但此時問題來了，但如果今天有上千個 Case，還是只能靠我們自己把這上千個 Case 列出來，然後一一用人眼比對嗎？ 此時 Formal Verification 的功用就出來了！ 簡單來說它就是把你 電路該有的行為列成正規化的公式 然後再用一個 檢查器去確認你的電路的行為總是會跟這個公式所描述的行為 是一樣的 這部分對於一個新手來說可能真的會很 Hardcore 不過會了之後真的會變得很方便！ Functional Verification 把所有 Testcase 列出來然後作驗證。 Formal Verification (二)實驗: 安裝: 首先要安裝好這些東西 yosys symbiyosys gtkwave yices sudo apt-get install autoconfig lubgmp3-dev (Ubuntu) sudo yum install autoconfig lubgmp3-dev (CentOS，不過沒實際試過，只是猜測應該是這樣) 以上東西要怎麼裝，Google 就可以查到了 我本身的環境是使用 CentOS7，在安裝過程中也碰到蠻多坑的 (雖然後來還是自...
閱讀完整內容

Quartus Qsys + Nios II 入門使用

-
環境設置 OS: Windows 10 Software: Intel Quartus Prime Lite 18.0 Platform: Cyclone V GT 5CGTFD9E5F35C7 ================================================= Nios II 簡介 Nios II 為 Altera 所設計的 32-bit RISC soft-core CPU 其完全在 Altera 的 FPGA 板子上實現 版本有分為 f/s/e e是最便宜最簡單的 也是下面的實驗我們會選擇的版本 ================================================= Platform Designer 簡介 簡單來說 他就是可以用 Intel 的 IP 定義你的系統的工具 IP 之間的連接 或是對應到的位址之類的 所以如果要設計一個只有由 Intel IP 所組成的系統 這是非常方便的工具 ================================================= 以下實驗基本上都是參照 helloworld：基於Qsys的第一個Nios II系統設計 來去完成 所以有些詳細的步驟不在贅述 請直接參考網站裡面寫的 下面只會大概提到該做什麼事情 以及遇到的問題和解決方式 ================================================= 實驗 - Platform Designer 這裡主要是要建立 硬體 系統 步驟 1. 在 Quartus 建立新的專案 2. 建立 bdf 檔案 3. 點  Tool > Platform Designer，進到  Platform Designer 頁面 在這裡主要要新增 4 個元件 Nios II (classic) Processor On-Chip Memory (RAM or ROM) Intel FPGA IP JTAG UART Intel FPGA IP System ID Peripheral Intel FPGA IP 然後將該連的線連起來 每個元件的 clk 都要接到時鐘的 clk_out 每個元件的 reset 都要接到時鐘的 reset Nios II (clas...
閱讀完整內容

Quartus Qsys + Nios II + SDRAM 進階使用

-
圖片
環境設置 OS: Windows 10 Software: Intel Quartus Prime Lite 18.0 Platform: Cyclone V GT 5CGTFD9E5F35C7 基本上跟  Quartus Qsys + Nios II 入門使用  的步驟一樣 只有 Platform Designer 部分需要更改 ============================================== 新增 DDR3 SDRAM Controller with UniPhy IP ============================================== PHY Setting 頁面設定 Speed Grade: 7 (配合板子) Memory clock frequency: 400 MHz PLL reference clock frequency: 100 MHz Memory Preset: MT41J64M16LA-15E ============================================== Memory Parameter 頁面設定 Total Interface Width: 8 Memory Initialization Option > Memory CAS latency setting: 8 Output drive strength setting: RZQ/4 ODT Rtt nominal value: RZQ/4 Memory Write CAS latency setting: 6 Dynamic ODT(RTT/WR) value: RZQ/4 ============================================== Memory Timing 和 Board Setting 保持不動  ============================================== Controller Setting 頁面設定 打勾 Generate power-of-2 data bus widths for Qsys or SOPC Builder Maximum Avalon-MM burst lenght: ...
閱讀完整內容