نصب CUDA در ابونتو

Question

سلام. من می خواهم از gpu برای اجرای کدی که با استفاده از پکیج پایترچ نوشته ام استفاده کنم.
متوجه شدم که در ابتدا باید Nvidia driver متناسب با سیستمم، سپس CUDA و سپس cuDNN را نصب کنم.
از کجا بدانم کدوم نسخه از Nvidia driver، از CUDA و از cuDNN را باید نصب کنم؟
ممنون

Answer 1

سلام
دو راه پیش روی شما هست
۱- از طریق سایت زیر اقدام به نصب تمامی مراحل کنید:
http://deeplearning.ir/راهنمای-گام-به-گام-نصب-درایور-و-cuda-toolkit‌-در/
۲- به کمک همون سایت اول کارت گرافیک را از طریق additional driver که در سایت در همون ابتدا توضیح داده شده اوکی کنید . سپس بجای استفاده از بقیه مراحل نصب گفته شده در سایت از anaconda استفاده کرده و مابقی موارد مورد نیاز را نصب کنید . اینطوری خودش ورژن های متناسب با همدیگر رو دانلود می کنه و نصب می کنه . فقط برای استفاده از این روش به vpnنیاز دارید . برای این کار می تونید از دستور العمل زیر استفاده کنید:
1. First of all, we need to install Anaconda3 in Linux (16.04):

a. Download The latest version of Anaconda3 based on your OS (Ubuntu is recommended)  via this link: 
https://repo.continuum.io/archive/

b. Recommended version of python is 3.5 or higher (I assumes you have python 3.5*)

c. After downloading, you just need to open a terminal and run this command: bash (file_name).sh

1. After that, we need three environments named pytorch_env, tensorflow_env, pytorch_tensorflow which each of them has its specific framework. so lets create them and install frameworks. Open a terminal:

   2.0. create the environments:

   a. type "conda create -n pytorch_env python=3.5 anaconda"
   b. type "conda create --name tensorflow_env --clone pytorch_env"
   

   2.1. Create pytorch_env:

   a. type "source activate pytorch_env"
   
   b. for cpu installation of pytorch: type "conda install pytorch torchvision -c soumith"
   	
      for gpu installation of pytorch: (cuda version 8.0): type "conda install pytorch torchvision cuda80 -c soumith"
   	
      for gpu installation of pytorch: (cuda version 7.5): type "conda install pytorch torchvision -c soumith"
   	
   c. type "source deactivate" and finished :)
   	
   d. for checking whether pytorch is installed correctly or not:
   
   	d.1. Open a terminal
   	
   	d.2. type "source activate pytorch_env"
   	
   	d.3. type "ipython"
   	
   	d.4. type "import torch"
   	
   		If this commnad won't cause an error, pytorch was successfully installed.
   
   

   2.2. Create tensorflow_env:

   a. type "source activate tensorflow_env"
   	
   b. for cpu installation of tensorflow: type "pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl"**
   	
      for gpu installation of tensorflow: (needs cuda version 8.0): type "pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-linux_x86_64.whl"
   	
   c. for keras installation: type "pip install keras" and "pip install h5py"
   	   
   d. type "source deactivate" and finished :)
   	
   e. for checking whether tensorflow is installed correctly or not:
   	
   	e.1. Open a terminal
   	
   	e.2. type "source activate tensroflow_env"
   	
   	e.3. type "ipython"
   	
   	e.4. type:
   			
   		"import tensorflow as tf"
   		"import keras"
   	
   		If these commnads won't cause an error, tensorflow and keras were successfully installed.
   

   2.3. Create pyotorch_tensorflow: for creating this env, you just need to combine above command in one env.

   a. type "conda create --name pytorch_tensorflow --clone pytorch_env"
   	
   b. type "source activate pytorch_tensorflow"
   	
   c. pytorch is already installed in the env (as we clone the pytorch_env)
   
   d. tensorflow installation:**
   
   	for cpu installation of tensorflow: type "pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl"
   	
      	for gpu installation of tensorflow: (cuda version 8.0): type "pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-linux_x86_64.whl"
   
   e. keras installation: type "pip install keras" and "pip install h5py"
   
   f. for checking instllation:
   
   	f.1. Open a terminal
   
   	f.2. type: "source activate pytorch_tensorflow"
   
   	f.3. type: "ipython"
   
   	f.4. type:
   
   			   "import torch"
   			   "import tensorflow as tf"
   			   "import keras"
   		
   	        If these commnads won't cause an error, pytorch, tensorflow and keras 	were 					successfully installed.
   

   • If you ever need to downgrade/upgrade python use: "conda install python==X.X"

   ** If you have problem with gpu version juste delete the environment("conda remove --name env_name --all")
   and try the cpu-version of tensorflow

1. And finally, you need to add environments one by one in pycharm IDE (you can download/install it from JetBrain webpage):

   3.0 Open pycharm and click: "File/New Project..."
   3.1 Click on the gear icon at the top-right and select "Add Local"
   3.2 select the "python3.X" file in the following directory "home/your_username/Anaconda3/envs/ your_environment_name/bin"
   3.3 Now the environment is added as a interpreter and you can select it in your future projects.

Comments

سلام ممنون از راهنماییتون. من طبق دستورات در لینک ارایه شده ابتدا nvidia driver را نصب کردم. سپس  cuda و سرانجام cudnn. اما الان زمانی که دستور nvidia-smi را میزنم با این خروجی مواجه می شوم:
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.130                Driver Version: 384.130                   |
|-------------------------------+----------------------+----------------------+
| 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 GT 425M     Off  | 00000000:01:00.0 N/A |                  N/A |
| N/A   53C    P0    N/A /  N/A |    135MiB /   964MiB |     N/A      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0                    Not Supported                                       |
+-----------------------------------------------------------------------------+

چرا تعدادgpu ها صفر است؟


مشخصات سیستم من به این صورت است:
__Python VERSION: 3.5.3 |Anaconda custom (64-bit)| (default, Mar  6 2017, 11:58:13)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)]
__pyTorch VERSION: 0.2.0_4
__CUDA VERSION
__CUDNN VERSION: 6021
__Number CUDA Devices: 1
__Devices
index, name, driver_version, memory.total [MiB], memory.used [MiB], memory.free [MiB]
0, GeForce GT 425M, 384.130, 964 MiB, 135 MiB, 829 MiB
Active CUDA Device: GPU 0
Available devices  1
Current cuda device  0



چرا تعداد torch.cuda.device_count() برای من ۰ است؟


اگر امکان داد راهنمایی کنین. ممنونم

---

سلام
این دستورات رو در یک محیط مثل اسپایدر اجرا کنید:

import tensorflow as tf
f tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
در جواب باید یه همچین جوابی بگیری :
Default GPU Device: /device:GPU:0
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 2568907504768454832
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 7649103053
locality {
  bus_id: 1
  links {
  }
}
incarnation: 10929086997181377659
physical_device_desc: "device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1"
]
این داره میگه یه سی پی یو و یه جی پی یو شناخته شده و مشخصاتش روهم می ده. شمارش ها از ۰شروع می شه اگه دو تا جی پی یوداشته باشی یه جی پی یو ۰ و  یه جی پی یو ۱ بهت نشون می ده