RedHat7.6离线情况下—CUDA+cuDNN+caffe2+Detectron环境搭建

离线环境下相关软件包需要提前下载再安装！

背景：

（1）操作系统-RedHat7.6

（2）显卡-Tesla P100

（3）无网络

一、Anaconda

1、官网https://repo.continuum.io/archive/index.html下载.sh文件并安装：

bash Anaconda3-5.1.0-Linux-x86_64.sh

2、添加环境变量：

vi etc/profile

添加export PATH=/home/xxx/anaconda3/bin:$PATH

3、生效：

source etc/profile

4、测试：conda list有输出，则安装成功

二、显卡驱动安装

1、禁用自带驱动-Disable the Nouveau drivers

（1）创建blacklist

vi etc/modprobe.d/blacklist.conf

（2）添加blacklist nouveau到文档尾

blacklist nouveau
options nouveau modeset=0

（3）更新配置

mv boot/initramfs-$(uname -r).img boot/initramfs-$(uname-r)-nouveau.img.bak
dracut -v boot/initramfs-$(uname -r).img $(uname -r)

（4）重启服务器：

reboot

（5）测试：运行

lsmod | grep nouveau

无输出确认已禁用

2、安装适配驱动

（1）NVIDIA官网按照服务器配置下载

（2）按照官网步骤安装

（3）重启reboot后输入nvidia-smi确认输出信息

三、CUDA安装

1、官网下载

https://developer.nvidia.com/cuda-downloads

2、官网安装

按照官网教程https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html

（1）Pre-installation Actions若此前不确定是否可安装CUDA，可按下述内容确认

确认GPU：

lspci | grep -i nvidia

确认系统：

uname -m && cat etc/*release

得到类似下面的输出

x86_64
Red Hat Enterprise Linux Workstation release 6.0 (Santiago)

确认kernel-devel、kernel-headers，若未有从yum源进行安装

uname -r

yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

（2）若有原安装，先卸载

（3）若前面未安装驱动可在安装过程中选择安装（注意禁用驱动-Disable the Nouveau drivers），若已单独安装驱动此过程选择不安

（4）安装

sudo sh cuda_<version>_linux.run

3、安装后的操作

（1）环境变量

export CUDA_HOME=/opt/nvidia/cuda
export LD_LIBRARY_PATH=/opt/nvidia/cuda/lib64:/usr/local/bin

（2）查看安装信息

四、cuDNN安装

1、官网下载

https://developer.nvidia.com/rdp/cudnn-download

或者下载cuDNN Library for Linux

2、官网安装

https://docs.nvidia.com/deeplearning/sdk/cudnn-archived/index.html

（1）rpm安装

rpm -i libcudnn7-7.5.0.56-1.cuda10.1.x86_64.rpm

rpm -i libcudnn7-7.5.0.56-1.cuda10.1.x86_64.rpm
rpm -i libcudnn7-devel-7.5.0.56-1.cuda10.1.x86_64.rpm
rpm -i libcudnn7-doc-7.5.0.56-1.cuda10.1.x86_64.rpm

（2）tar安装

tar -xzvf cudnn-9.2-linux-x64-v7.5.0.56.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudochmod a+r usr/local/cuda/include/cudnn.h usr/local/cuda/lib64/libcudnn*

3、验证

五、caffe2

1、前言

（1）2018年Caffe2 开源代码正式并入 PyTorch，故下载及安装可参照pytorch，也可依据caffe2官网安装

https://pytorch.org/

https://caffe2.ai/

（2）查看系统支持情况

2、离线情况采用源码安装

下文为按照caffe2官网https://caffe2.ai/docs/getting-started.html?platform=centos&configuration=cloud

（1）事前准备（前面已按顺序安装1/2）

（2）安装依赖，从yum源安装，对于yum源缺少的可事先下载相应包（https://pkgs.org/）再安装

（3）python dependencies同理

离线环境下，使用conda list确认上述已安装的包，对于缺少部分先下载后再安装。

（https://pkgs.org/）（https://pypi.org/）

rpm：rpm -i xxx.rpm

whl：pip install xxx.whl

tar：tar -zxvf xxx .tar.gz、tar -jxvf xxx .tar.bz（或bz2）解压后查看目录是采用make安装还是setup.py，若有setup.py，则python setup.py install

（4）源码克隆及安装

3、测试

# To check if Caffe2 build was successful
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"
# To check if Caffe2 GPU build was successful
# This must print a number > 0 in order to use Detectron
python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

若进一步使用Facebook Detectron平台，则继续下面部分

六、COCOAPI

# COCOAPI=/path/to/clone/cocoapi
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
# Install into global site-packages
make install
# Alternatively, if you do not have permissions or prefer
# not to install the COCO API into global site-packages
python setup.py install --user

七、Detectron

Clone the Detectron repository:

# DETECTRON=/path/to/clone/detectron
git clone https://github.com/facebookresearch/detectron $DETECTRON

Install Python dependencies:

pip install -r $DETECTRON/requirements.txt

Set up Python modules:

cd $DETECTRON && make

Check that Detectron tests pass (e.g. for SpatialNarrowAsOp test
):

python $DETECTRON/detectron/tests/test_spatial_narrow_as_op.py