Este conteúdo foi traduzido por máquina para sua conveniência e a Huawei Cloud não pode garantir que o conteúdo foi traduzido com precisão. Para exibir o conteúdo original, use o link no canto superior direito para mudar para a página em inglês.
Computação
Elastic Cloud Server
Bare Metal Server
Auto Scaling
Image Management Service
Dedicated Host
FunctionGraph
Cloud Phone Host
Huawei Cloud EulerOS
Redes
Virtual Private Cloud
Elastic IP
Elastic Load Balance
NAT Gateway
Direct Connect
Virtual Private Network
VPC Endpoint
Cloud Connect
Enterprise Router
Enterprise Switch
Global Accelerator
Gerenciamento e governança
Cloud Eye
Identity and Access Management
Cloud Trace Service
Resource Formation Service
Tag Management Service
Log Tank Service
Config
Resource Access Manager
Simple Message Notification
Application Performance Management
Application Operations Management
Organizations
Optimization Advisor
Cloud Operations Center
Resource Governance Center
Migração
Server Migration Service
Object Storage Migration Service
Cloud Data Migration
Migration Center
Cloud Ecosystem
KooGallery
Partner Center
User Support
My Account
Billing Center
Cost Center
Resource Center
Enterprise Management
Service Tickets
HUAWEI CLOUD (International) FAQs
ICP Filing
Support Plans
My Credentials
Customer Operation Capabilities
Partner Support Plans
Professional Services
Análises
MapReduce Service
Data Lake Insight
CloudTable Service
Cloud Search Service
Data Lake Visualization
Data Ingestion Service
GaussDB(DWS)
DataArts Studio
IoT
IoT Device Access
Outros
Product Pricing Details
System Permissions
Console Quick Start
Common FAQs
Instructions for Associating with a HUAWEI CLOUD Partner
Message Center
Segurança e conformidade
Security Technologies and Applications
Web Application Firewall
Host Security Service
Cloud Firewall
SecMaster
Anti-DDoS Service
Data Encryption Workshop
Database Security Service
Cloud Bastion Host
Data Security Center
Cloud Certificate Manager
Situation Awareness
Managed Threat Detection
Blockchain
Blockchain Service
Serviços de mídia
Media Processing Center
Video On Demand
Live
SparkRTC
Armazenamento
Object Storage Service
Elastic Volume Service
Cloud Backup and Recovery
Cloud Server Backup Service
Storage Disaster Recovery Service
Scalable File Service
Volume Backup Service
Data Express Service
Dedicated Distributed Storage Service
Containers
Cloud Container Engine
SoftWare Repository for Container
Application Service Mesh
Ubiquitous Cloud Native Service
Cloud Container Instance
Bancos de dados
Relational Database Service
Document Database Service
Data Admin Service
Data Replication Service
GeminiDB
GaussDB
Distributed Database Middleware
Database and Application Migration UGO
TaurusDB
Middleware
Distributed Cache Service
API Gateway
Distributed Message Service for Kafka
Distributed Message Service for RabbitMQ
Distributed Message Service for RocketMQ
Cloud Service Engine
EventGrid
Dedicated Cloud
Dedicated Computing Cluster
Aplicações de negócios
ROMA Connect
Message & SMS
Domain Name Service
Edge Data Center Management
Meeting
AI
Face Recognition Service
Graph Engine Service
Content Moderation
Image Recognition
Data Lake Factory
Optical Character Recognition
ModelArts
ImageSearch
Conversational Bot Service
Speech Interaction Service
Huawei HiLens
Developer Tools
SDK Developer Guide
API Request Signing Guide
Terraform
Koo Command Line Interface
Distribuição de conteúdo e computação de borda
Content Delivery Network
Intelligent EdgeFabric
CloudPond
Soluções
SAP Cloud
High Performance Computing
Serviços para desenvolvedore
ServiceStage
CodeArts
CodeArts PerfTest
CodeArts Req
CodeArts Pipeline
CodeArts Build
CodeArts Deploy
CodeArts Artifact
CodeArts TestPlan
CodeArts Check
Cloud Application Engine
MacroVerse aPaaS
KooPhone
KooDrive
Central de ajuda/ Bare Metal Server/ Guia de usuário/ Instância/ Instalação de drivers e kits de ferramentas/ Instalação do driver da GPU NVIDIA e o kit de ferramentas CUDA em um BMS P1

Instalação do driver da GPU NVIDIA e o kit de ferramentas CUDA em um BMS P1

Atualizado em 2023-05-09 GMT+08:00

Cenários

Após a criação de um BMS P1 acelerado por GPU (usando o flavor physical.p1.large), o driver da GPU NVIDIA e o kit de ferramentas CUDA devem ser instalados nele para aceleração de computação.

Pré-requisitos

O procedimento de instalação do driver da GPU NVIDIA e do kit de ferramentas CUDA varia dependendo do sistema operacional.

CentOS 7.4

  1. Faça logon no BMS de destino e execute o seguinte comando para alternar para o usuário root:

    su root

  2. (Opcional) Se os pacotes de dependência gcc, gcc-c++, make e kernel-devel não existirem, execute os seguintes comandos para instalar as ferramentas gcc, gcc-c++, make e kernel-devel:

    yum install gcc

    yum install gcc-c++

    yum install make

    yum install kernel-devel-`uname -r`

  3. (Opcional) Adicione o driver Nouveau à lista negra.

    Se o driver Nouveau tiver sido instalado e carregado, execute as seguintes operações para adicionar o driver Nouveau à lista negra para evitar conflitos:

    1. Adicione blacklist nouveau ao final do arquivo /etc/modprobe.d/blacklist.conf.
    2. Execute os seguintes comandos para fazer backup e reconstruir o initramfs:

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

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

    3. Execute o comando reboot para reiniciar o BMS.

  4. (Opcional) Se o serviço X estiver em execução, execute o comando systemctl set-default multi-user.target e reinicie o BMS para entrar no modo multiusuário.
  5. (Opcional) Instale o driver da GPU NVIDIA.

    Se você selecionou uma versão especificada do driver da GPU NVIDIA em vez de uma versão contida no kit de ferramentas CUDA, execute esta etapa.

    1. Baixe o pacote de instalação do driver NVIDIA GPU NVIDIA-Linux-x86_64-xxx.yy.run do https://www.nvidia.com/Download/index.aspx?lang=en e carregue este pacote para o diretório /tmp no BMS.
      Figura 1 Procurar o pacote de driver da GPU NVIDIA (CentOS 7.4)
    2. Execute o seguinte comando para instalar o driver da GPU NVIDIA:

      sh ./NVIDIA-Linux-x86_64-xxx.yy.run

    3. Execute o seguinte comando para excluir os pacotes de instalação:

      rm -f NVIDIA-Linux-x86_64-xxx.yy.run

  6. Instale o kit de ferramentas CUDA.

    1. Baixe o pacote de instalação do kit de ferramentas CUDA cuda_a.b.cc_xxx.yy_linux.run do https://developer.nvidia.com/cuda-downloads e carregue este pacote para o diretório /tmp no BMS.
    2. Execute o seguinte comando para alterar a permissão para o pacote de instalação:

      chmod +x cuda_a.b.cc_xxx.yy_linux.run

    3. Execute o seguinte comando para instalar o kit de ferramentas CUDA:

      ./cuda_a.b.cc_xxx.yy_linux.run -toolkit -samples -silent -override --tmpdir=/tmp/

    4. Execute o seguinte comando para excluir os pacotes de instalação:

      rm -f cuda_a.b.cc_xxx.yy_linux.run

    5. Execute os seguintes comandos para verificar se a instalação foi bem-sucedida:

      cd /usr/local/cuda/samples/1_Utilities/deviceQueryDrv/

      make

      ./deviceQueryDrv

      Se a saída do comando contiver "Result = PASS", o kit de ferramentas CUDA e o driver da GPU NVIDIA foram instalados com sucesso.

Ubuntu 16.04

  1. Faça logon no BMS de destino e execute o seguinte comando para alternar para o usuário root:

    sudo root

  2. (Opcional) Se os pacotes de dependência gcc, g++ e make não existirem, execute os seguintes comandos para instalar as ferramentas gcc, g++ e make:

    apt-get install gcc

    apt-get install g++

    apt-get install make

  3. (Opcional) Adicione o driver Nouveau à lista negra.

    Se o driver Nouveau tiver sido instalado e carregado, execute as seguintes operações para adicionar o driver Nouveau à lista negra para evitar conflitos:

    1. Adicione as seguintes informações ao final do arquivo /etc/modprobe.d/blacklist.conf:
      blacklist nouveau
      options nouveau modeset=0
    2. Execute os seguintes comandos para fazer backup e reconstruir o initramfs:

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

      sudo update-initramfs -u

    3. Execute o comando sudo reboot para reiniciar o BMS.

  4. (Opcional) Se o serviço X estiver em execução, execute o comando systemctl set-default multi-user.target e reinicie o BMS para entrar no modo multiusuário.
  5. (Opcional) Instale o driver da GPU NVIDIA.

    Se você selecionou uma versão especificada do driver da GPU NVIDIA em vez de uma versão contida no kit de ferramentas CUDA, execute esta etapa.

    1. Baixe o pacote de instalação do driver NVIDIA GPU NVIDIA-Linux-x86_64-xxx.yy.run do https://www.nvidia.com/Download/index.aspx?lang=en e carregue este pacote para o diretório /tmp no BMS.
      Figura 2 Procurar pelo pacote de driver da GPU NVIDIA (Ubuntu 16.04)
    2. Execute o seguinte comando para instalar o driver da GPU NVIDIA:

      sh ./NVIDIA-Linux-x86_64-xxx.yy.run

    3. Execute o seguinte comando para excluir os pacotes de instalação:

      rm -f NVIDIA-Linux-x86_64-xxx.yy.run

  6. Instale o kit de ferramentas CUDA.

    1. Baixe o pacote de instalação do kit de ferramentas CUDA cuda_a.b.cc_xxx.yy_linux.run do https://developer.nvidia.com/cuda-downloads e carregue este pacote para o diretório /tmp no BMS.
    2. Execute o seguinte comando para alterar a permissão para o pacote de instalação:

      chmod +x cuda_a.b.cc_xxx.yy_linux.run

    3. Execute o seguinte comando para instalar o kit de ferramentas CUDA:

      ./cuda_a.b.cc_xxx.yy_linux.run -toolkit -samples -silent -override --tmpdir=/tmp/

    4. Execute o seguinte comando para excluir os pacotes de instalação:

      rm -f cuda_a.b.cc_xxx.yy_linux.run

    5. Execute os seguintes comandos para verificar se a instalação foi bem-sucedida:

      cd /usr/local/cuda/samples/1_Utilities/deviceQueryDrv/

      make

      ./deviceQueryDrv

      Se a saída do comando contiver "Result = PASS", o kit de ferramentas CUDA e o driver da GPU NVIDIA foram instalados com sucesso.

Usamos cookies para aprimorar nosso site e sua experiência. Ao continuar a navegar em nosso site, você aceita nossa política de cookies. Saiba mais

Feedback

Feedback

Feedback

0/500

Conteúdo selecionado

Envie o conteúdo selecionado com o feedback