linux redhat7 升级NVIDIA显卡驱动步骤详解大数据

1 背景

前面在redhat7服务器上升级了tensorflow1.0，发现GPU用不了
根据教程，测试GPU：

# 新建一个 graph. 
import tensorflow as tf 
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') 
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') 
c = tf.matmul(a, b) 
# 新建session with log_device_placement并设置为True. 
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) 
# 运行这个 op. 
print sess.run(c)

报错：

failed call to cuInit: CUDA_ERROR_NO_DEVICE 
retrieving CUDA diagnostic information for host: ml-login2

测试cuda状态：

[[email protected] ~]# nvcc -V 
nvcc: NVIDIA (R) Cuda compiler driver 
Copyright (c) 2005-2016 NVIDIA Corporation 
Built on Tue_Jan_10_13:22:03_CST_2017 
Cuda compilation tools, release 8.0, V8.0.61

测试GPU：

% nvidia-smi 
报错： 
  Failed to initialize NVML: Driver/library version mismatch

注：nvidia-smi（The Nvidia System Management Interface）是Nvidia显卡命令行管理套件，基于NVML（Nvidia Management Library）库，旨在管理和监控Nvidia GPU设备

查了半天，确定是要更新nvidia driver

2 更新步骤

可以看：
http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#handle-uninstallation

2.1 关闭Nouveau

2.1.1 linux默认安装的是nouveau的显卡驱动，它并不属于nvidia驱动。 要安装nvidai驱动，需要先停止Nouveau

先检查nouveau是否运行：

$ lsmod | grep nouveau

如果有，说明nouveau在运行，需要停止：

2.1.2. 在 /etc/modprobe.d/blacklist-nouveau.conf 文件中加入一下两行：

blacklist nouveau 
options nouveau modeset=0

2. 重新生成kernel initramfs

$ sudo dracut --force

2.2 下载驱动文件

在官网下载合适的驱动文件
http://www.nvidia.cn/Download/index.aspx?lang=cn
我下的是 NVIDIA-Linux-x86_64-375.39.run

2.3 关于文本模式

升级显卡驱动，需要从窗口模式进入文本模式（即命令行模式）。 因为阿里云hpc本身就是在文本模式下，所以不需要设置。
可以通过以下方式查看centOS7 （包括redhat7）当前模式：

$ ll /etc/systemd/system/default.target 
  systemctl set-default multi-user.target  表明是文本模式 
  systemctl set-default graphical.target   表明是窗口模

需要设置的话，参考http://www.cnblogs.com/lanston/p/3880577.html

2.4 执行安装文件

$ sh NVIDIA-Linux-x86_64-375.39.run

过程中需要选择一些选项（已经不记得了）。
最后

$ reboot

DONE！