wget -c https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.sh sh Anaconda3-2018.12-Linux-x86_64.sh
wget -c https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub sudo apt-key add /var/cuda-repo-10-1-local-10.1.105-418.39/7fa2af80.pub sudo apt-get update sudo apt-get install cuda
Remarque: Début des essais avec
sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.1_amd64.deb
qui n'a pas installer cudnn !!
Il faut avoir un compte sur Nvidia et se loguer pour pouvoir télécharger:
wget -c https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.5.0.56/prod/10.1_20190225/cudnn-10.1-linux-x64-v7.5.0.56.tgz
Décompresser, dans le dossier:
sudo cp -P /media/data/cuda/targets/ppc64le-linux/lib/libcudnn* /usr/local/cuda-10.1/lib64/ sudo cp /media/data/cuda/targets/ppc64le-linux/include/cudnn.h /usr/local/cuda-10.1/include/ sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
# creation d'un environement virtuel conda conda create -n torch python=3.7 # installation torch pour cuda 10 conda install -y pytorch=0.4 torchvision cuda100 -c pytorch # test gpu install
python3 -c 'import torch; print(torch.rand(2,3).cuda())'
__init__.py:116: UserWarning: Found GPU0 GeForce GTX 765M which is of cuda capability 3.0. PyTorch no longer supports this GPU because it is too old. warnings.warn(old_gpu_warn % (d, name, major, capability[1])) tensor([[0.6618, 0.3247, 0.4543], [0.9745, 0.8508, 0.0141]], device='cuda:0')
Ma carte n'est plus toute fraîche !
sudo apt-get install libcupti-dev sudo pip3 install tensorflow-gpu export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64 python3 -c 'from tensorflow.python.client import device_lib; device_lib.list_local_devices()'
Le but était de compiler YOLO Darknet. Nous avons installé Bumblebee et bbswitch. Cela ne permet pas d'avoir la carte Nvidia en permanence.
CMake >= 3.8 for modern CUDA support
https://cmake.org/download/
Télécharger cmake-3.14.0.tar.gz
./bootstrap && make && sudo make install
GCC or Clang
sudo apt-get install clang
OpenCV < 4.0
sudo pip3 install opencv-python==3.4.5.20 # je ratisse large, installe ~ 100 paquets sudo apt-get install libopencv-core-dev libopencv-highgui-dev libopencv-flann-dev libopencv-photo-dev libopencv-video-dev # ceci devrait tout appeler sudo apt-get install libopencv-dev
CUDA
CUDA 10.0: Cuda Toolkit (on Linux do Post-installation Actions)
sudo apt-get install gcc g++ gcc-4.9 g++-4.9 libxi libxi6 libxi-dev libglu1-mesa libglu1-mesa-dev libxmu6 libxmu6-dev linux-headers-amd64 linux-source
Utilisation de la version ubuntu 18.04 de 2.4 Go !
wget -c https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.39_linux.run
Installation du driver seul. Mais comme il a été installé avant je pense que cette étape ne sert à rien.
cuDNN
cuDNN >= 7.0 for CUDA 10.0 https://developer.nvidia.com/rdp/cudnn-archive (set system variable CUDNN = where did you unpack cuDNN. On Linux in .bashrc-file)
https://github.com/AlexeyAB/darknet
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux-tar
Téléchargement et installation de libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
Il faut obligatoirement avoir un compte Nvidia et se loguer.
ou ??
Téléchargement et décompression de cudnn-10.0-linux-ppc64le-v7.4.2.24.tgz
Les chemins sont faux, le faire à la main avec un sudo votre navigateur de fichiers
sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
Les droits sont juste, ne pas faire:
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
GPU with CC
GPU with CC >= 3.0: Dans le tableau, mon GPU: GTX 765M supporte la version CUDA SDK 3.0
make
Export nécessaire pour avoir nvcc
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}} nvcc -V export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} make