Ubuntu14.04+GTX1080+Caffe＋python配置总结GPU版

1 测试环境&软件准备

硬件：

• Dell T430
• Nvidia GTX 1080

软件：

• Ubuntu 16.04 x86_64
• cuda8.0
• cuDNN（5.1）
  

前提：系统，显卡驱动等都已经安装好。

2 安装cuda

点击上述链接，下载cuda（注意与显卡兼容的版本）。最好下载.run文件，因为在安装cuda的时候，会自动给系统安装显卡驱动，而我们先前在装显卡的时候，已经安装好了最新的驱动，因此不需要再装一次显卡驱动。

（1）~$ sudo sh cuda_8.0.27_linux.run

接下来，会出现提示“Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.77?”，问你是否安装显卡驱动，当然要选择n了。其他默认选择即可。

（2）配置环境变量：（编辑.bashrc文件）

在末尾添加：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

添加完毕后记得source一下，使其生效。




3 安装cuDNN

为了达到更高的性能，可以借助专业加速库cnDNN。下载完成后（注意：cuDNN库与cuda版本兼容性），解压tgz文件，将相关文件复制到/usr/local/cuda，输入命令：

~$ tar xvzf cudnn-8.0-linux-x64-v5.1.tgz

~$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
   ~$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
   ~$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

（4）测试cuda样例nbody

首先，看看显卡信息，输入命令：

 ~$ nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.27                 Driver Version: 367.27                    |
|-------------------------------+----------------------+----------------------+
| 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 GTX 1080    Off  | 0000:03:00.0      On |                  Off |
| 27%   33C    P8    N/A /  N/A |    376MiB / 81133MiB |      6%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 1080    Off  | 0000:04:00.0     Off |                  N/A |
| 27%   38C    P8     6W / 180W |      1MiB /  8113MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

然后，建立并测试样例：

$ cd NVIDIA_CUDA-8.0/5_Simulations/nbody

$ make

$ ./nbody -benchmark -numbodies=256000 -device=0

> Windowed mode > Simulation data stored in video memory

> Single precision floating point simulation

> 1 Devices used for simulation gpuDeviceInit() CUDA Device [0]: "GeForce GTX 1080"
> Compute 6.1 CUDA device: [GeForce GTX 1080]
number of bodies = 256000
256000 bodies,total time for 10 iterations: 2385.759 ms
= 274.697 billion interactions per second
= 5495.992 single-precision GFLOP/s at 20 flops per interaction

如果能够正常显示上面信息，则表示安装成功！Caffe cuDNN模式相比CPU模式加速15.46倍，相比GPU模式加速7.7倍。

4 安装caffe

这里就直接转到前面介绍的CPU版的安装法，基本依赖包都给安装了。在编译安装caffe时，只需要修改Makefile.config中的选项USE_CUDNN := 1。注意：因为本篇是GPU版，因此不能将Makefile.config文件中“# CPU_ONLY := 1”，前面的＃号去掉，其他步骤都一样。其实安装caffe还算比较轻松的，步骤也就这么一点，依赖包都是命令搞定，祝好运！！！