centos install cuda centos和ubuntu哪个好

ubuntu 怎么 检测 是否 适合 安装 cuda

1、在英伟达的官网上下载对应系统版本的cuda5.5工具包，我的笔记本是32位的，下载的包是cuda_5.5.22_linux_32.run，当然下载deb包也可以，deb包可双击安装。推荐使用run包。

2、检查自己的系统是否符合安装条件，这一点很重要，我开始没有检测GCC，导致后面几次安装失败。命令$lspci| grep-i nvidia，检测电脑是否安装NVIDIA显卡，命令$gcc--version,检测GCC版本，注意：CUDA5.5只支持GCC4.6版本，如果显示的不是下图所示，则需要重新将GCC链接。同时安装头文件和编译环境$sudo apt-get install linux-headers-$(uname-r) build-essential

3、gcc版本是4.6的跳过此步。如果gcc版本不是4.6的，则需要将GCC重新链接，在目录/usr/bin下，只需两个命令即可完成重新链接。

$sudo mv gcc gcc.bak

$sudo ln-s gcc-4.6 gcc

4、删除之前的Ubuntu nvidia驱动包，$sudo apt-get–purge remove nvidia*,并将开源驱动nouveau屏蔽掉，使用命令$sudo vim/etc/modprobe.d/blacklist.conf，添加blacklist vga16fb blacklist nouveau blacklist rivafb blacklist nvidiafb blacklist rivatv。

5、关闭图形环境，$sudo stop lightdm，按Ctrl＋Alt＋F1，打开一个终端，登录。进入下载的Ubuntu nvidia驱动安装文件所在目录,$sudo sh./cuda_5.5.22_linux_32.run命令进行安装。如果遇到failed，不用着急，打开安装log，排查问题，warning不用管，看ERROR。

6、安装完成后，需要重启。此时电脑清晰多了，说明安装成功。从事GPU开发的我们还需要装上cuda和openCL库的支持：$sudo apt-get install nvidia-current-dev。

注意事项

ubuntu不需要重新编译内核，记得centos和red hat需要，命令也简单：$sudo dracut-v/boot/initramfs-$(uname-r).img$(uname-r)

CentOS 7.9安装Tesla M4驱动、CUDA和cuDNN

本文详细介绍了在 CentOS 7.9系统上安装 Tesla M4驱动、CUDA和 cuDNN的全过程，以解决使用 Windows系统配置深度学习环境时遇到的问题。考虑到 Windows的图形显示特性可能对深度学习环境产生干扰，我们选择使用 Linux系统 CentOS 7.9进行尝试。

首先，确定合适版本的 CUDA Toolkit。Tesla M4 GPU属于入门级产品，基于 Maxwell架构，其生命周期大约为 3年。考虑到性能与功耗提升，从 Pascal架构的 Tesla P4开始，它逐渐取代了 Tesla M4成为主流。本文建议选择 CUDA 10.0版本，作为较新且兼容的版本进行尝试。

下载 CUDA工具包时，推荐使用本地安装方式，因为这种方式包含所有组件，适合在低带宽或离线环境下使用。本地安装程序为大文件，但可在多个系统上重复使用，节省下载时间。对于驱动程序，选择与 CentOS 7.9和 CUDA 10.0相匹配的版本进行下载。同时，安装 cuDNN扩展以增强深度神经网络的性能。

安装前，确保系统已安装 epel-release，以获取依赖包。更新系统以确保软件包是最新的。安装开发工具包和相应的 kernel-devel包以支持特定内核头文件和 DKMS模块。将下载的驱动、CUDA和 cuDNN文件上传至主机后，开始安装 GPU驱动程序。安装 CUDA和 cuDNN的过程与 Windows类似，主要涉及接受许可协议、配置参数、添加环境变量等步骤。

通过本文，读者可以系统地了解如何在 CentOS 7.9上安装 Tesla M4驱动、CUDA和 cuDNN，从而为深度学习项目提供高性能的计算环境。对于希望在 Linux系统上配置 GPU环境的研究者和开发者来说，这是一份详尽的指南。

Centos Stream 9 & VASP 6.1.2安装 & CP2K 2022.2安装

在CentOS Stream 9系统上安装VASP 6.1.2和CP2K 2022.2涉及到一系列的软件和环境配置。首先，确保显卡驱动和Intel oneAPI正确安装。安装NVIDIA-CUDA驱动时，需要检查是否已正确安装，并通过命令`lsmod| grep nouveau`和`nvidia-smi`确认驱动状态。如果驱动安装后未显示，可以参考相关教程解决。

安装Intel oneAPI Base Toolkit包括wget并下载安装脚本，通过脚本完成安装。在配置环境变量时，需要使用`vim~/.bashrc`命令编辑.bashrc文件，添加`source/opt/intel/oneapi/setvars.sh intel64`，并确保通过`source~/.bashrc`使环境变量生效。

安装GCC系列以及软件开发辅助工具，使用`sudo yum install`命令分别安装C编译器、C++编译器和Fortran编译器，以及兼容库。此外，还需安装make、gdb、cmake和git等工具以支持软件开发。

接下来，对fftw3xf文件进行权限设置和编译。确保文件及其子目录可读、可写、可执行，并使用make命令生成库文件。然后，进行VASP 6.1.2的编译配置，下载并解压VTST-Tools，将所需文件复制到src目录中，修改src/main.F源码以适应特定需求，并下载solvation.F文件，更新src/mpi.F文件，调整配置以适应不同CPU类型。

完成编译配置后，使用`make`命令编译三个版本的VASP：Gamma only版、非共线版和标准版。通过在终端中运行不同版本的vasp命令，验证VASP的正确安装和运行。

为了测试VASP，下载并解压测试任务包，执行mpirun命令调用VASP进行测试。如果遇到运行异常，可以尝试在~/.bashrc中添加`ulimit-s unlimited`命令，以避免操作系统对堆栈内存尺寸的限制。

最后，安装CP2K 2022.2，通过编辑环境变量并执行特定脚本来安装和配置CP2K。确保执行前已正确设置CP2K的环境，并使用mpirun命令执行CP2K，通过检查输出文件验证安装是否成功。

以上步骤详细介绍了在CentOS Stream 9系统上安装VASP 6.1.2和CP2K 2022.2的完整流程，包括软件安装、环境配置和验证步骤，确保了软件的正确部署和运行。