CentOS 8.2 配置深度学习环境

2021-11-02 · coding · 190 次阅读 · AI

在 CentOS 8.2 + NVIDIA RTX 3090 上安装 Docker、专有驱动、CUDA、cuDNN，并配置普通用户使用 Docker。

环境

项目	说明
操作系统	CentOS 8.2
GPU	NVIDIA GeForce RTX 3090
驱动安装包示例	NVIDIA-Linux-x86_64-470.57.02.run
CUDA 示例	cuda_11.4.1_470.57.02_linux.run
cuDNN 示例	cudnn-11.4-linux-x64-v8.2.2.26
内核示例	4.18.0-305.10.2.el8_4.x86_64（以 `uname -r` 为准）

概念	一句话
nouveau	开源 NVIDIA 驱动；装专有驱动前需禁用。
NVIDIA 专有驱动	官方闭源驱动，深度学习 / CUDA 的基础。
CUDA	NVIDIA GPU 并行计算平台与工具链（含 `nvcc`）。
cuDNN	深度学习加速库，需与 CUDA 大版本匹配。
DKMS	内核模块动态构建，内核更新后便于重编驱动。

1. 安装 Docker

1.1 基础包

yum install -y yum-utils \
  device-mapper-persistent-data \
  lvm2

1.2 添加稳定仓库（阿里云）

yum-config-manager \
  --add-repo \
  https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

1.3 安装并启动

yum -y install docker-ce docker-ce-cli containerd.io
systemctl start docker
systemctl enable docker

2. 安装显卡驱动

2.1 编译依赖

yum -y install pkg-config gcc gcc-c++ \
  kernel-devel kernel-headers dkms epel-release

2.2 禁用 nouveau

grub2-editenv - set "$(grub2-editenv - list | grep kernelopts) nouveau.modeset=0"

echo -e "blacklist nouveau\noptions nouveau modeset=0" > /etc/modprobe.d/blacklist.conf

重启后验证（应无输出或看不到 nouveau 在用）：

lsmod | grep nouveau

可选更新系统：

yum -y update

2.3 取消对 nvidiafb 的 blacklist（如有）

grep nvidia /etc/modprobe.d/* /lib/modprobe.d/*

若看到类似：

/lib/modprobe.d/dist-blacklist.conf:blacklist nvidiafb

需注释掉该行后再装官方驱动，否则可能安装失败。

2.4 运行官方 .run 安装包

建议在多用户文本模式 / 无图形占用 GPU 时安装。带上内核源码路径：

./NVIDIA-Linux-x86_64-470.57.02.run \
  --kernel-source-path=/usr/src/kernels/4.18.0-305.10.2.el8_4.x86_64 \
  -k $(uname -r)

kernel-source-path 必须与当前 uname -r 对应目录一致。安装后重启，用 nvidia-smi 验证。

3. 安装 CUDA

./cuda_11.4.1_470.57.02_linux.run

交互中选择 Accept，再按提示 install（若已装驱动，可按向导跳过重复驱动安装，只装 Toolkit）。

写入环境变量（可写入 ~/.bashrc）：

export PATH=/usr/local/cuda-11.4/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda

验证：

nvcc -V

4. 安装 cuDNN

tar -xf cudnn-11.4-linux-x64-v8.2.2.26.tgz

cp cuda/include/cudnn*.h /usr/local/cuda-11.4/include
cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64/
chmod a+r /usr/local/cuda-11.4/include/cudnn*.h \
          /usr/local/cuda-11.4/lib64/libcudnn*

验证版本宏：

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

若 /usr/local/cuda 为指向 cuda-11.4 的符号链接，上述路径一致；否则请改成实际 include 路径。

5. 普通用户使用 Docker

useradd igo
passwd igo

grep docker /etc/group
# 示例：docker:x:985:

usermod -aG docker igo
usermod -aG wheel igo    # 赋予 sudo 组（按安全策略决定是否需要）

# 用户重新登录，或：
newgrp docker

之后 igo 可无 sudo 执行 docker（仍受组权限与 rootless 策略约束）。

6. 性能验证（可选）

环境配好后，可运行例如：

Google BERT 等深度学习样例
3DMark 等基准（若在桌面/Windows 双系统或其它环境测图形性能）

以确认 GPU 计算与驱动工作正常。

流程速览

Docker 仓库与安装
  → 禁 nouveau → 处理 nvidiafb blacklist
  → 装 NVIDIA .run → 装 CUDA → 装 cuDNN
  → 用户加入 docker/wheel → nvidia-smi / nvcc / 业务测试

注意

装驱动前务必禁用 nouveau，并尽量关闭占用 GPU 的图形界面。
内核升级后可能需重装/重编驱动；DKMS 可减轻但非万能。
CUDA / cuDNN / 驱动版本必须匹配；3090 勿随意混用过旧驱动。
容器内用 GPU 还需 NVIDIA Container Toolkit（本文未展开，按需另配）。
生产环境慎把用户随便加入 wheel；密码与组权限按规范最小化。

igozhang