联想z470安装cuda toolkit 7.5过程

        我安装的系统是ubuntu kylin 14.04,ubuntu 14.04也差很少同样.个人目的是让GPU能跑一些机器学习以及深度学习的框架,如theano

    1,卸载掉与nvidia相关的驱动以及旧版的cuda相关程序

sudo apt-get remove --purge nvidia* cuda*

    2,到cuda官网下载新的cuda toolkit版本,我下的deb版的,也能够下run版的,我装的是时候是7.5版(2015.12.14.),你能够试着进入字符界面(ctrl+alt+F1),安装,也能够直接在终端安装主,我是选择前者,

sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

安装好仓库以后，就能够更新你的本地仓库。

sudo apt-get update

最后开始安装cuda以及显卡驱动

sudo apt-get install cuda

安装完后加入环境变量,这个有好几种方法,我选择在本用户目录下安装,vim ~/.bashrc,在后面加入

$ export PATH=/usr/local/cuda-7.5/bin:$PATH  
$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

设置完毕以后，你还能够选择是否安装cuda附带的示例代码（<dir>表示你要安装的位置，你能够将<dir>替换成~）：

cuda-install-samples-7.5.sh <dir>

三,安装bumblebee

        若是你的电脑是两显卡,不知你会怎样管理呢,我用的是bumblebee,若是你也是同样的电脑,能够一试,ubuntu安装比较简单

sudo add-apt-repository ppa:bumblebee/stable
sudo apt-get update
sudo apt-get install bumblebee bumblebee-nvidia

可看看以下文章:使用 Bumblebee 控制 NVIDIA 双显卡（Ubuntu）

这时你最好重启或注销一下电脑

四,测试验证

        待你从新开机后,就之后一些验证工做

        1,查看nvcc编译器的版本,nvcc是GPU的编译器

nvcc -V i

        2,查看显卡的驱动版本,这个得先让你的独立显卡的gpu跑起来才能够看到

optirun python

#另外一个终端
cat /proc/driver/nvidia/version

你若是用  lspci |grep -i VGA看独立显卡的状态,前面可能不同,没开独立显卡是ff,开了后是a1

        3,测试集显与独显是否正常,先测试集显,再测试独显

glxgears

你会看到以下结果:

optirun glxgears

很明显,独立显卡的速度要比集显要快的多

        4,编译cuda程序,在sample目录下,make编译程序,网上人说编译并运行经过就没问题了,我一开始没了没有经过,虽然可执行文件是能够执行的,后面我加了个环境变量

export LD_LIBRARY_PATH=/usr/lib/nvidia-352:$LD_LIBRARY_PATH

运行编译出来的./deviceQuery,出下面结果

        你也能够跑一下,simple下面的其余程序,若是大多没问题的话,就证实仍是基本安装成功的.

若是你是作cuda编程的,你能够如这个网址中入门开始学习CUDA在线学习

四,theano测试

        由于个人主要目的是跑python代码,我以前已装了theano,因此只测试theano能在GPU上跑吗.

有两种方法运行GPU,一是在那个~/.theanorc配置文件,加入

[global]
floatX=float32
device=gpu

#二,是运行程序时,前面加入说明
THEANO_FLAGS=floatX=float32,device=gpu python /usr/local/lib/python2.7/dist-packages/theano/misc/check_blas.py

会出测试结果.

也能够把下面的代码存为test.py,用cpu与gpu跑一下,出来的显示结果与时间都不同.

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in xrange(iters):
    r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

注意，我也要试着在台式机上装过，显卡是GeForce GTX 750Ti，我是用的网络安装的，安装后配置一开PATH,CUDA_ROOT,就能够重启，这样就能够了。若是你想装cudnn的话，建议仍是用在显卡比较好的电脑上，个人z470电脑装了用不了，这个750Ti的显卡能够用，不过也不能用当下最新的5.0版本，只能用4.0的，安装的步骤以下：

tar -xzvf cudnn-7.0-linux-x64-v4-prod.tgz
chmod -R 777 cuda #其实不用这样，我只是不想引发其余麻烦
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/
sudo ldconfig #这样就能够了

五,可借鉴文档

折腾记要——Ubuntu 14.04系统安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境

Ubuntu12.04配置NVIDIA cuda5.5经验帖

Caffe+Ubuntu 15.04+CUDA 7.0新手安装配置指南

ubuntu14.04安装cuda

Ubuntu安装Theano+CUDA

Installing Theano

Using the GPU

六,可能的问题

FATAL: Module nvidia_uvm not found.

Ubuntu 12.04. Error: cudaGetDeviceCount returned 30

nbody errors in verification step of CUDA 7.5 installation