[PYTHON] Installez CUDA 8.0 et Chainer sur Ubuntu 16.04

Il existe un moyen de gérer la boîte à outils CUDA en utilisant nvidia-docker, mais cette fois j'ai installé la boîte à outils CUDA directement sans l'utiliser.

environnement

• Ubuntu16.04 64bit
• Core i5
• GeForce 940M

Que préparer

1. CUDA toolkit
2. cuDNN
3. Pilote (Sélectionnez en fonction de votre environnement)

J'ai utilisé runfile (cuda_8.0.44_linux.run) pour installer la boîte à outils CUDA.

Procédure d'installation

1. Installez le pilote

Si le démarrage sécurisé est activé, désactivez-le au préalable. Accédez à tty1 avec Ctrl + Alt + F1 et installez la commande et le pilote nvidia-smi. En chemin, il vous sera demandé si vous souhaitez réécrire les paramètres X11. Si vous le réécrivez, l'écran ne s'affichera pas, nous vous recommandons donc de ne pas le réécrire. Veuillez redémarrer une fois une fois l'installation terminée.

sudo service lightdm stop  #Déposer X11
sudo ./NVIDIA-Linux-x86_64-<version>.run  # nvidia-La commande smi doit être installée
sudo reboot

Si la sortie de la commande nvidia-smi ressemble à ceci, le GPU a été détecté.

$nvidia-smi                           
Mon Aug 15 15:31:22 2016       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 361.77                 Driver Version: 361.77                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce 940M        Off  | 0000:01:00.0     Off |                  N/A |
| N/A   59C    P0    N/A /  N/A |    254MiB /  2003MiB |      8%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      4105    G   /usr/lib/xorg/Xorg                             165MiB |
|    0      4988    G   fcitx-qimpanel                                   7MiB |
|    0      5310    G   ...ves-passed-by-fd --v8-snapshot-passed-by-    67MiB |
|    0      5598    G   ...DocWrittenScriptsInMainFrame --force-fiel    13MiB |
+-----------------------------------------------------------------------------+

S'il est instable, installez le pilote avec ʻapt-get` et cela peut fonctionner. Cependant, nous ne le recommandons pas car le système essaiera d'exécuter X11 sur GPU et le fonctionnement de X11 deviendra instable.

sudo apt-get install nvidia-361
sudo reboot

2. Installez la boîte à outils CUDA

Exécutez la commande suivante sur tty1. __Remarque: il vous sera demandé si vous souhaitez installer le pilote lorsque vous exécutez runfile, mais ne l'installez pas ici. __

sudo service lightdm stop
sudo ./cuda_8.0.44_linux.run --override  #Mise en garde:N'installez pas le pilote ici

Dans Ubuntu 16.04, la version gcc semble être différente de celle recommandée par CUDA, mais j'ai installé de force le Toolkit avec l'option --override. Si l'installation réussit, / usr / local / cuda-8.0 doit exister.

Si vous rencontrez des difficultés pour exécuter Chainer, installez gcc 5.2 et réessayez

sudo service lightdm stop
sudo ./cuda_8.0.44_linux.run  #Mise en garde:Le pilote n'est pas installé ici. gcc5.Installez 2 à l'avance.

S'il vous plaît.

3. Installez cuDNN

Développez cuDNN et copiez le fichier.

tar xvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/* /usr/local/cuda-8.0/include
sudo cp cuda/lib64/* /usr/local/cuda-8.0/lib64

Ajoutez ceci à .bashrc et source ~ / .bashrc.

export CUDA_PATH=/usr/local/cuda-8.0
export PATH=$CUDA_PATH/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH

export CPATH=$CUDA_PATH/include:$CPATH
export LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH

4. Installez Chainer

Il est généralement inséré avec pip3.

sudo pip3 install chainer

5. Contrôle de fonctionnement

Si ʻimport cupy` réussit, il réussit.

$python3
>>> import cupy

L'exemple MNIST inclus dans le code source de Chainer fonctionne également.

git clone [email protected]:pfnet/chainer.git
cd chainer/examples/mnist     
python3 train_mnist.py --gpu=0

6. À propos de la mise à jour du noyau

Lorsque le noyau est mis à jour, le pilote ne sera plus accessible. Lorsqu'un nouveau noyau est installé, veuillez réinstaller le pilote de 1.