Ubuntu での CUDA と CUDNN のインストールとアンインストールの実装

sudo vim /etc/modprobe.d/blacklist.conf

ブラックリストヌーボー
オプション nouveau modeset=0

sudo アップデート-initramfs -u

lsmod | grep 初心者

NVIDIA-Linux-x86_64-410.93.run

Ctrl+Alt+F1 キー

sudo サービス lightdm を停止します

sudo apt-get remove --purge nvidia*
sudo chmod +x NVIDIA-Linux-x86_64-410.93.run
sudo ./NVIDIA-Linux-x86_64-410.93.run --uninstall

sudo ./NVIDIA-Linux-x86_64-410.93.run

sudo サービス lightdm 開始

リブート

sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl

sudo rm -rf /usr/local/cuda-8.0/

chmod +x cuda_10.0.130_410.48_linux.run

./cuda_10.0.130_410.48_linux.run

(規約に同意しますか? インストールを続行するには同意する必要があります)
承諾/辞退/辞退: 承諾

(最新のドライバーがインストールされているため、ここでドライバーをインストールしないでください。そうしないと、古いバージョンのグラフィック ドライバーがインストールされ、ログインが繰り返される可能性があります)
Linux-x86_64 410.48 用の NVIDIA アクセラレーテッド グラフィックス ドライバーをインストールしますか?
(はい)/(いいえ)/(き): n

CUDA 10.0 ツールキットをインストールしますか? (CUDA 10 をインストールしますか? これはインストールする必要があります。)
(はい)/(いいえ)/(き): y

ツールキットの場所を入力します (インストール パス、デフォルトを使用し、Enter キーを押すだけです)
 [ デフォルトは /usr/local/cuda-10.0 ]: 

/usr/local/cuda にシンボリック リンクをインストールしますか? (ソフト リンクの作成に同意します)
(はい)/(いいえ)/(き): y

CUDA 10.0 サンプルをインストールしますか? (テストをインストールする必要はありません。すでにインストールされています)
(はい)/(いいえ)/(き): n

/usr/local/cuda-10.0 に CUDA ツールキットをインストールしています...

CUDA_HOME=/usr/local/cuda-10.0 をエクスポートします。
LD_LIBRARY_PATH=${CUDA_HOME}/lib64 をエクスポートします。
PATH=${CUDA_HOME}/bin:${PATH}をエクスポートします

テスト@テスト:~$ nvcc -V
nvcc: NVIDIA (R) Cuda コンパイラ ドライバー
著作権 (c) 2005-2018 NVIDIA Corporation
Sat_Aug_25_21:08:01_CDT_2018 に作成
Cuda コンパイル ツール、リリース 10.0、V10.0.130

/usr/local/cuda-10.0/samples/1_Utilities/deviceQuery をコピーします。
作る
./デバイスクエリ

./deviceQuery 開始しています...

 CUDA デバイス クエリ (ランタイム API) バージョン (CUDART 静的リンク)

CUDA 対応デバイスが 1 台検出されました

デバイス0:「GeForce RTX 2070」
 CUDA ドライバー バージョン / ランタイム バージョン 10.0 / 10.0
 CUDA 機能メジャー/マイナー バージョン番号: 7.5
 グローバルメモリの合計量: 7950 MBytes (8335982592 バイト)
 (36) マルチプロセッサ、(64) CUDA コア/MP: 2304 CUDA コア
 GPU 最大クロック レート: 1620 MHz (1.62 GHz)
 メモリクロックレート: 7001 Mhz
 メモリバス幅: 256 ビット
 L2 キャッシュ サイズ: 4194304 バイト
 最大テクスチャ次元サイズ (x,y,z) 1D=(131072)、2D=(131072, 65536)、3D=(16384, 16384, 16384)
 最大レイヤー 1D テクスチャ サイズ、(数) レイヤー 1D=(32768)、2048 レイヤー
 最大レイヤー 2D テクスチャ サイズ、(num) レイヤー 2D=(32768, 32768)、2048 レイヤー
 定数メモリの合計量: 65536 バイト
 ブロックあたりの共有メモリの合計量: 49152 バイト
 ブロックごとに使用可能なレジスタの総数: 65536
 ワープサイズ: 32
 マルチプロセッサあたりの最大スレッド数: 1024
 ブロックあたりの最大スレッド数: 1024
 スレッド ブロックの最大次元サイズ (x,y,z): (1024, 1024, 64)
 グリッド サイズの最大次元サイズ (x,y,z): (2147483647, 65535, 65535)
 最大メモリピッチ: 2147483647 バイト
 テクスチャアラインメント: 512 バイト
 同時コピーとカーネル実行: 3 つのコピー エンジンで可能
 カーネルの実行時間制限: はい
 統合GPU共有ホストメモリ: いいえ
 ホストページロックメモリマッピングをサポート: はい
 サーフェスの配置要件: はい
 デバイスはECCをサポートしています: 無効
 デバイスは統合アドレス指定 (UVA) をサポートしています: はい
 デバイスはコンピューティングプリエンプションをサポートしています: はい
 協調カーネル起動をサポート: はい
 マルチデバイスCo-opカーネル起動をサポート: はい
 デバイス PCI ドメイン ID / バス ID / ロケーション ID: 0 / 1 / 0
 計算モード:
  < デフォルト (複数のホスト スレッドが同時にデバイスで ::cudaSetDevice() を使用できます) >

deviceQuery、CUDA ドライバー = CUDART、CUDA ドライバー バージョン = 10.0、CUDA ランタイム バージョン = 10.0、NumDevs = 1
結果 = 合格

cudnn-10.0-linux-x64-v7.4.2.24.tgz

tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_サポート.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.4.2
cuda/lib64/libcudnn_static.a

cuda/lib64/* /usr/local/cuda-10.0/lib64/ をコピーします。
cp cuda/include/* /usr/local/cuda-10.0/include/

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

pip3 インストール https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-linux_x86_64.whl
pip3 torchvision をインストール

輸入トーチ
torch.nnをnnとしてインポートする
torch.nn.function を F としてインポートします。
torch.optim を optim としてインポートします。
torch.backends.cudnn を cudnn としてインポートします。
torchvisionからデータセットをインポートし、変換する


クラスNet(nn.Module):
 __init__(self)を定義します。
  super(Net, self).__init__()
  self.conv1 = nn.Conv2d(1, 10, カーネルサイズ=5)
  self.conv2 = nn.Conv2d(10, 20, カーネルサイズ=5)
  自己.conv2_drop = nn.Dropout2d()
  自己.fc1 = nn.Linear(320, 50)
  自己.fc2 = nn.Linear(50, 10)

 def forward(self, x):
  x = F.relu(F.max_pool2d(self.conv1(x), 2))
  x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
  x = x.view(-1, 320)
  x = F.relu(self.fc1(x))
  x = F.dropout(x, トレーニング = self.training)
  x = 自己.fc2(x)
  F.log_softmax(x, dim=1) を返す


def train(モデル、デバイス、train_loader、オプティマイザ、エポック):
 モデル.train()
 batch_idx、(データ、ターゲット) を enumerate(train_loader) で指定します。
  データ、ターゲット = data.to(デバイス)、target.to(デバイス)
  オプティマイザ.zero_grad()
  出力 = モデル(データ)
  損失 = F.nll_loss(出力、ターゲット)
  損失.後方()
  オプティマイザ.ステップ()
  batch_idx % 10 == 0の場合:
   print('トレーニングエポック: {} [{}/{} ({:.0f}%)]\t損失: {:.6f}'.format(
    エポック、batch_idx * len(データ)、len(train_loader.dataset)、
      100. * batch_idx / len(train_loader)、 loss.item()))

main() を定義します:
 cudnn.benchmark = 真
 トーチ.マニュアル_シード(1)
 デバイス = torch.device("cuda")
 kwargs = {'num_workers': 1, 'pin_memory': True}
 トレーニングローダー = torch.utils.data.DataLoader(
  datasets.MNIST('../data', train=True, download=True,
      変換 = transforms.Compose([
       変換.ToTensor()、
       変換します。正規化します((0.1307,), (0.3081,))
      ])）、
  batch_size=64、shuffle=True、**kwargs)

 モデル = Net().to(デバイス)
 オプティマイザー = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)

 エポックが範囲(1, 11)の場合:
  トレーニング(モデル、デバイス、train_loader、オプティマイザー、エポック)


__name__ == '__main__' の場合:
 主要（）