手动安装GPU驱动及CUDA工具流程（LINUX）
背景
GPU的驱动和Cuda是使用GPU计算的必备组件。如果您在创建实例始时，没有选择自动安装驱动以及cuda版本，则需要在创建实例后，手动安装。本页面介绍如何手动安装驱动，以及如何使用工具测试GPU的重要性能。
前提条件
已创建GPU计算型实例，例如GN3或者GN2规格族。本流程不适合需要安装GRID驱动的vGPU规格族。
安装前准备工作
- 确认GPU型号和操作系统版本，本示例中以V100以及操作系统为Centos 7.5.1804进行操作。
-
准备GPU驱动和CUDA 11.1软件包，在nvidia官网进行驱动包和CUDA包下载
- linux系统均选择 Linux 64-bit
- CUDA Toolkit选择最新版本
- 如您需要老版本CUDA，请前往老版本CUDA下载
本示例中使用CUDA 11.1.1。
-
检查服务器GPU识别情况
安装GPU驱动之前需要在操作系统下查看GPU卡是否能够完全识别,如不能识别需要进行重新插拔、对调测试等步骤进行硬件排查。
查看到所有的GPU
lspci | grep -i nvidia
-
老版本软件包卸载（可选）
-
GPU驱动卸载
/usr/bin/nvidia-uninstall
-
CUDA卸载方法：
/usr/local/cuda/bin/cuda-uninstaller
-
- 如您的cuda是老版本卸载
/usr/local/cuda/bin/uninstall_cuda_X.Y.pl
-
安装gcc、g++编译器
cuda安装samples测试程序进行make时需要g++，但安装cuda软件包时不需要。
检查版本 gcc -v g++ -v
软件包安装
yum install gcc
yum install gcc-c++
-
禁用系统自带的nouveau模块
检查nouveau模块是否加载，已加载则先禁用
lsmod | grep nouveau
没有blacklist-nouveau.conf文件则创建
vim /usr/lib/modprobe.d/blacklist-nouveau.conf blacklist nouveau options nouveau modeset=0
执行如下命令使内核生效（需要重启服务器后才可真正禁用nouveau）
dracut -force
重启操作系统
-
修改系统运行级别为文本模式 GPU驱动安装必须在文本模式下进行
systemctl set-default multi-user.target
-
重启系统，然后检查禁用nouveau模块配置与文本模式是否生效。
lsmod | grep nouveau
GPU驱动安装
-
root用户下进行GPU驱动
chmod +x NVIDIA-Linux-x86_64-450.80.02.run ./NVIDIA-Linux-x86_64-450.80.02.run --no-opengl-files --ui=none --no-questions --accept-license
-
配置GPU驱动内存常驻模式
nvidia-persistenced
设置开机自启动
vim /etc/rc.d/rc.local
在文件中添加一行
nvidia-persistenced
赋予/etc/rc.d/rc.local文件可执行权限
chmod +x /etc/rc.d/rc.local
若无/etc/rc.d/rc.local，也可修改
vim /etc/rc.local
chmod +x /etc/rc.local
-
安装完GPU驱动后查看GPU状态查看及相关配置。
nvidia-smi
CUDA安装
- 安装CUDA
安装CUDA时需注意，如果已经安装过GPU驱动，安装CUDA时就不要再选择GPU驱动安装了。
chmod +x cuda_11.1.1_455.32.00_linux.run
./cuda_11.1.1_455.32.00_linux.run --no-opengl-libs
新版本CUDA安装界面： 注意Driver选项，表示是否安装GPU驱动，如果已经安装了GPU驱动，这里不要再勾选。
- 配置环境变量
添加到/etc/profile文件中，对所有用户生效
vim /etc/profile
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source /etc/profile
测试cuda安装是否正确，环境变量是否识别成功
nvcc -V
CUDA samples程序测试
- BandwidthTest测试
BandwidthTest测试GPU卡与主机server、GPU与GPU卡之间的显存带宽，测试结果中Host to Device Bandwidth和Device to Host Bandwidth分别为主机server至GPU卡和GPU卡至主机server的显存带宽，Device to Device Bandwidth测试的是GPU卡之间的显存带宽。
编译、测试
cd /usr/local/cuda/samples/1_Utilities/bandwidthTest/
make
./bandwidthTest
测试结果参考 Host to Device Bandwidth和Device to Host Bandwidth两项数值在6.6GB/s-7.1GB/s之间
Device to Device Bandwidth测试显存带宽，该值根据GPU显存硬件配置而异，
下表列出个GPU理论显存带宽，实测值在理论值70%以上即认定状态正常。
| GPU型号 | 显存带宽理论值 |
|---|---|
| P100-PCIE-12GB | 548GB/s |
| P100-PCIE-16GB/P100-SXM2-16GB | 732GB/s |
| P40 | 346GB/s |
| P4 | 192GB/s |
| V100-PCIE/SXM2全系列 | 900GB/s |
- P2pBandwidthLatencyTest测试
P2pBandwidthLatencyTest测试GPU卡之间的带宽。可查看是否使用GPU中NVLINK的性能结果
编译、测试
cd /usr/local/cuda/samples/1_Utilities/p2pBandwidthLatencyTest/
make
./p2pBandwidthLatencyTest
解释：
- 互联矩阵中，有1标记即表示GPU间有P2P访问支持功能，0表示没有支持。
- Unidirection测试单向P2P带宽，Bidirectiona测试双向P2P带宽。同时提供是否使用NVLINK的性能测试结果。
根据GPU硬件版本不同，带宽和延迟存在差异，按照GPU型号，提供参考数据如下
参考带宽：
| GPU型号（带宽实测均值） | 支持P2P | 不支持P2P |
|---|---|---|
| PCIE GPU | 22-26GB/s | 17-20GB/s |
| P100-SXM2(NVLINK1.0) | 35-38GB/s | 17-20GB/s |
| V100-SXM2(NVLINK2.0) | 90-96GB/s（双link）和45-48GB/s （单link） | 15-20GB/s |
参考时延：
| GPU型号（延迟实测均值） | 矩阵值1 | 矩阵值0 |
|---|---|---|
| PCIE GPU | ≤10us | ≤20us |
| P100-SXM2(NVLINK1.0) | ≤10us | ≤20us |
| V100-SXM2(NVLINK2.0) | ≤10us | ≤20us |
- BatchCuBlas
BatchCuBlas为GPU浮点运算能力测试、加压。测试包括sgemm（测试单精度浮点计算能力）和dgemm（双精度）两部分，关注GFLOPS测试值。测试值达到理论值90%以上认定状态正常。
编译、测试
在测试命令中m、n、k值可调整，一般GPU缓存大小16G时可选8192。
在测试命令中，使用--device=1参数指定测试ID号为1的GPU卡，默认测试ID号为0的GPU卡。
cd /usr/local/cuda/samples/7_CUDALibraries/batchCUBLAS/
make
./batchCUBLAS -m8192 -n8192 -k8192 ##默认测试ID号为0的GPU卡
./batchCUBLAS -m8192 -n8192 -k8192 --device=1 ##指定测试ID号为1的GPU卡
测试结果中，可重点关注Running N=10 with streams部分，包含单精度和双精度测试，
