Aracılığıyla paylaş

Linux'ta GPU'ya özgü paketleri ayarlama

  • Makale

Bu bölümde, CNTK NVIDIA GPU'larından yararlanabilmesi için ayarlamanız gereken paketler özetlenmiştir.

GPU uyumluluğunuzu denetleme ve en son sürücüyü edinme

CNTK GPU özelliklerini kullanabilmek için CUDA uyumlu bir grafik kartına ihtiyacınız vardır. Kartınızın CUDA uyumlu olup olmadığını buradan ve buradan kontrol edebilirsiniz (eski kartlar için). GPU kartı İşlem Yeteneğinizin (CC) 3.0 veya daha fazla olması gerekir.

Gerekli karta sahipseniz en son sürücüyü yükleyin:

  • Kartınızı seçin ve sürücü paketini buradan indirin (genellikle dosya olarak .run sağlanır)

  • X Windows yöneticiniz çalışıyorsa, sürücü yüklemesi büyük olasılıkla başarısız olur. Makinenizde bir uzak terminal oturumu açın ve X Windows yöneticisini durdurun. Tam komutlar için platform belgelerinize bakın.

Örnek: Ubuntu için aşağıdaki komutu kullanın (X Windows yöneticiniz olduğu varsayılırlightdm):

sudo stop lightdm
  • Sürücüyü aşağıdaki örnekte gösterildiği gibi yükleyin (dosya adının sisteminiz için farklı olabileceğini unutmayın):
sudo chmod +x ./NVIDIA-Linux-x86_64-384.111.run
sudo ./NVIDIA-Linux-x86_64-384.111.run

Varsayılan yükleme seçeneklerini kabul etmenizi öneririz

Sürücü yükleme programının nouveau çekirdek sürücüsünden şikayetçi olabileceğini unutmayın. Devre dışı bırakma yönergeleri için platform belgelerinize bakın. Ubuntu için bu yönergeler kümesini kullanabilirsiniz.

  • Yukarıdaki adımlar sırasında durdurulursa, X Windows yöneticisini başlatın. Tam komutlar için platform belgelerinize bakın.

Örnek: Ubuntu için aşağıdaki komutu kullanın (X Windows yöneticiniz olarak olması durumundalightdm):

sudo start lightdm

CUDA 9

Aşağıdaki yordamda, dosya dağıtımı kullanılarak .run CUDA'nın nasıl yükleneceği açıklanmaktadır. Veya paketlerinin yüklenmesini de kullanabilirsiniz DEBRPM . Sisteminiz için paketi CUDA Online BelgelerindeNVIDIA CUDA 9.0 İndirme sayfasında ve yükleme yönergelerinde bulabilirsiniz.

NVIDIA CUDA 9.0 Araç Seti'ni indirin ve yükleyin:

  • .run Platformunuzun dosyasını burada bulun ve indirin.

  • X Windows yöneticiniz çalışıyorsa yükleme büyük olasılıkla başarısız olur. Makinenizde bir uzak terminal oturumu açın ve X Windows yöneticisini durdurun. Tam komutlar için platform belgelerinize bakın.

Örnek: Ubuntu için aşağıdaki komutu kullanın (X Windows yöneticiniz olması durumundalightdm):

sudo stop lightdm
  • CUDA 9.0 Araç Seti'ni .run yükleyin (dosya adının sisteminiz için farklı olabileceğini unutmayın):
chmod +x ./cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run

Yükleyici tarafından istendiğinde:

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit:

Önceki bölümdeki adımları uygulayarak en son sürücüyü zaten yüklediyseniz seçinno. Bunu yapmadıysanız öğesini seçin yes, ancak CUDA araç setini yükledikten sonra en son sürücüye güncelleştirmenizi kesinlikle öneririz .

CUDA 9.0 paketinden sürücü yüklemesini reddettiyseniz, yüklemenin sonunda aşağıdaki uyarıyı alırsınız:

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Bu uyarıyı yoksayın.

Yukarıdaki adımlar sırasında durdurulursa, X Windows yöneticisini başlatın. Tam komutlar için platform belgelerinize bakın.

Örnek: Ubuntu için aşağıdaki komutu kullanın (X Windows yöneticiniz olarak olması durumundalightdm):

sudo start lightdm

Geçerli oturumunuza ve profilinize .bashrc aşağıdaki ortam değişkenini ekleyin (CUDA yüklemesi sırasında varsayılan yolları değiştirdiyseniz, aşağıdaki değerleri buna göre değiştirin):

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

Sonraki adım isteğe bağlıdır. Sonraki bölüme atlayabilirsiniz.

ISTEĞE BAĞLI. CUDA 9.0 yüklemesini doğrulama

CUDA örneklerini derleyerek CUDA yüklemenizi doğrulayabilirsiniz (CUDA yüklemesi sırasında varsayılan yolların kullanıldığını varsayıyoruz). Tüm örnekleri derlemenin uzun bir işlem olduğunu unutmayın:

cd ~/NVIDIA_CUDA-9.0_Samples/
make

Başarılı derleme çağırma deviceQuery yardımcı programı sonrasında:

~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery/deviceQuery

Her şey düzgün çalışıyorsa aşağıdakine benzer bir çıkış almanız gerekir:

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 960"
  CUDA Driver Version / Runtime Version          9.0 / 9.0
  CUDA Capability Major/Minor version number:    5.2
  Total amount of global memory:                 2025 MBytes (2123235328 bytes)
  ( 8) Multiprocessors, (128) CUDA Cores/MP:     1024 CUDA Cores
  GPU Max Clock rate:                            1253 MHz (1.25 GHz)
  Memory Clock rate:                             3505 Mhz
  Memory Bus Width:                              128-bit
  L2 Cache Size:                                 1048576 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 3 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 9.0, NumDevs = 1, Device0 = GeForce GTX 960
Result = PASS

GPU Dağıtım Seti

CUDA sürüm 8'den başlayarak GPU Dağıtım Seti CUDA paketinin bir parçasıdır ve artık ayrı olarak yüklenmesi gerekmez.

cuDNN

NVIDIA CUDA Derin Sinir Ağı kitaplığını (cuDNN) yükleyin.

Önemli

CuDNN'yi daha önce eski bir sürüm için yüklediyseniz CUDA 9.0 uyumlu sürümüne yükseltdiğinizden emin olun

Önemli

Aşağıda belirtilen tam sürümü ve hedef yolu kullanarak cuDNN'yi yükleyin. Bu gereklidir çünkü CNTK derleme yapılandırma programı tarafından beklenir.

  • Aşağıdaki komutları kullanın:
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libcudnn7_7.0.4.31-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7_7.0.4.31-1+cuda9.0_amd64.deb

ISTEĞE BAĞLI. NCCL

NVIDIA'nın NCCL kitaplığı , Linux üzerinde toplu çoklu GPU iletişimi için en iyi duruma getirilmiş ilkel öğeler sağlar. CNTK, tek bir konakta çalışan paralel işler için bu hızlandırılmış temel öğelerden yararlanabilir (cf. CNTK ile paralel eğitime giriş için burada).

NVIDIA NCCL kitaplığını indirmek için lütfen buradaki yönergeleri izleyin.

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl-dev_2.1.2-1+cuda9.0_amd64.deb
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl2_2.1.2-1+cuda9.0_amd64.deb
sudo dpkg -i libnccl2_2.1.2-1+cuda9.0_amd64.deb libnccl-dev_2.1.2-1+cuda9.0_amd64.deb

Ardından NVIDIA NCCL ile derlemeyi etkinleştirmek için CNTK yapılandırma seçeneğini --with-nccl=<path> kullanın. Örneğin, NCCL varsayılan klasör dışında bir klasöre /usryüklüyse, NVIDIA NCCL desteğiyle derlemek için kullanın configure --with-nccl=<nccl install folder> (artı ek seçenekler).

Not

Şu anda CNTK NVIDIA NCCL desteği, CNTK ikilisini kullanarak 32/64 gradyan bitli veri paralel SGD ile sınırlıdır. Gelecekte ek paralelleştirme yöntemleri ve CNTK v2 desteği eklenecektir. CNTK resmi sürümü NCCL etkin olarak oluşturulur. Tüm linux Python tekerlekleri zaten NCCL ikili dosyası içerir. Linux'ta Brainscript kullanıcıları için NCCL'nin yüklenmesi gerekir. Kullanıcı NCCL kullanmamayı tercih ederse lütfen kaynaktan CNTK oluşturun. Yapılandırmanın /usr altında yüklü NCCL'yi otomatik olarak algıladığını unutmayın, bu nedenle derlemeden önce lütfen NCCL'yi kaldırın.

YAVRUSU

Python için CNTK yüklüyorsanız sonraki bölüme atlayabilirsiniz. Aksi takdirde devam edin.

Aşağıdaki komutları kullanarak NVIDIA CUB'yi alın ve yükleyin.

Önemli

Aşağıda belirtilen tam sürümü ve hedef yolu kullanarak NVIDIA CUB yükleyin. Bu gereklidir çünkü CNTK derleme yapılandırma programı tarafından beklenir.

Aşağıdaki komutları kullanın:

wget https://github.com/NVlabs/cub/archive/1.7.4.zip
unzip ./1.7.4.zip
sudo cp -r cub-1.7.4 /usr/local