Linux 环境下安装 CUDA & CuDNN,并编译安装 MatConvNet & VLFeat

前言

本文针对是 Arch Linux & Ubuntu,其他发行版也可以参考.

版本信息

  • Ubuntu 16.04.3, gcc 5.4.0, CUDA 8.0, CuDNN 5.1, matconvnet 1.0-beta24, vlfeat 0.9.20

安装 CUDA 和 CuDNN

Arch Linux

Arch Linux 的 community 源里就已经有打包好的,目前的版本为 cuda 9.0.176-4, cudnn 7.0.3-1,直接安装即可:

pacman -S cuda cudnn

这个安装包比较大,如果下载比较慢的,可以用以下命令输出安装包的 url 地址:

pacman -Sp cuda cudnn

根据 url 地址,用其他方法下载到本地之后,再用 pacman -U pkgname.pkg.tar.xz 命令安装.

Ubuntu

Ubuntu 可以直接从 Nvidia 官网下载.推荐下载离线包,例如对应 Ubuntu 16.04 的 cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb.下载完成后使用 dpkg 命令安装:

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb

按照提示添加 apt key.然后使用 apt 命令安装:

apt install cuda

注意,如果之前安装过 Ubuntu 源里的低版本 CUDA 的话,要先卸载掉.

然后是安装 CuDNN,需要在 Nvidia 官网注册帐号才能下载 CuDNN.对 Ubuntu 来说,只需要下载 libcudnn, libcudnn-doc, libcudnn-dev, libcudnn-doc 三个包,然后用 dpkg 命令安装即可.其他的发行版若没有打包,Nvidia 也没有打包的,也可以下载 cudnn tarball for Linux,然后解压,复制文件到相应的目录即可:

tar xfv cudnn-8.0-linux-x64-v5.1.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

注意到上面的 cp 命令添加了 -P 选项,表示不跟随软链接.值得一提的是,deb 包默认会将 cudnn 安装到 /usr 目录下,个人比较推荐使用 tarball 安装,即解压后复制粘贴相应的文件到合适的目录下.

在以上步骤中若有提示依赖缺失,软件包尚未配置好的,还需要执行命令:

sudo apt install -f

自动修复相关的依赖,然后应该就没有问题了.

多版本 CUDA 和 CuDNN 共存

Ubuntu 的 CUDA 默认安装位置为 /usr/local/cuda-<version>,这样子的话,实际上是可以安装多个版本的 CUDA 的.至于 CuDNN 的多版本共存,则需要直接下载 Linux 版本的包,而不能直接使用 deb 包安装了.解压下载好的 tarball,复制到合适的目录下即可.在编译 MatConvNet 的时候根据需要设置变量 CUDNN_ROOT

环境变量设置

安装完 CUDA 和 CuDNN 之后,你可能想要设置以下环境变量,将它们添加到 ~/.bashrc (bash) 或者 ~/.zshrc (zsh) 中:

export CUDA_HOME=/usr/local/cuda-8.0
export CUDAHOME=$CUDA_HOME
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/cudnn-5/lib64:/usr/local/cuda-8.0/cudnn-6/lib64

编译 MatConvNet

官网下载合适版本的 MatConvNet 源码包,目前版本为 1.0-beta25.解压后进入源码目录:

tar xfv matconvnet-1.0-beta24.tar.gz
cd matconvnet-1.0-beta24

然后直接编译:

# Arch Linux
make ENABLE_GPU=yes ENABLE_CUDNN=yes CUDAROOT=/opt/cuda CUDNNROOT=/opt/cuda MATLABROOT=/usr/local/MATLAB/R2017a ARCH=glnxa64

# Ubuntu
make ENABLE_GPU=yes  CUDAROOT=/usr/local/cuda-8.0 MATLABROOT=/usr/local/MATLAB/R2017a ENABLE_CUDNN=yes CUDNNROOT=/usr/local/cuda-8.0 ARCH=glnxa64 -j 8

这里直接启用了 CUDA 和 CuDNN 支持,不同发行版的目录可能不一样,按需修改变量 CUDAROOTMATLABROOT 即可.

测试

编译完成之后可以在 MATLAB 中测试一下是否成功编译,输入命令 vl_testnn;或者输入 vl_testnn('gpu', true) 测试 GPU 的支持.

编译安装 VLFeat

这个其实也很简单,直接从官网下载最新的 VLFeat 源码包,目前为 0.9.20 版本.接着就是几个命令:

tar xfv vlfeat-0.9.20.tar.gz
cd vlfeat-0.9.20
make ARCH=glnxa64 MEX=/usr/local/MATLAB/R2017a/bin/mex

mex 命令的路径可以根据需要修改.

参考


1068 Words

2017-10-26 00:00 +0800