CentOS GPU加速配置（手把手教你从零搭建高性能计算环境）

二、禁用默认开源驱动 Nouveau

CentOS默认启用了开源的Nouveau驱动，这会与NVIDIA官方驱动冲突，因此必须先禁用它。

1. 创建黑名单配置文件：

echo 'blacklist nouveau' | sudo tee -a /etc/modprobe.d/blacklist.conf

2. 重建initramfs并更新grub：

sudo dracut --force

3. 重启系统使更改生效：

sudo reboot

三、安装NVIDIA官方驱动

推荐使用ELRepo仓库方式安装，简单且稳定。

1. 添加ELRepo仓库：

sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.orgsudo rpm -Uvh https://www.elrepo.org/elrepo-release-7.el7.elrepo.noarch.rpm

2. 安装NVIDIA驱动：

sudo yum install nvidia-driver nvidia-driver-libs

3. 再次重启系统：

sudo reboot

重启后，执行以下命令验证驱动是否安装成功：

nvidia-smi

如果看到类似下图的GPU信息输出，说明驱动已正确安装。

四、安装CUDA Toolkit

CUDA是NVIDIA提供的并行计算平台和编程模型，是实现GPU加速的核心组件。安装CUDA前，请先到NVIDIA官网选择对应CentOS版本的安装包。

以CentOS 7 + CUDA 11.8为例：

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudo sh cuda_11.8.0_520.61.05_linux.run

安装过程中，取消勾选“Driver”（因为我们已经单独安装了驱动），只保留“CUDA Toolkit”和“Samples”即可。

安装完成后，配置环境变量：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrcecho 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrcsource ~/.bashrc

验证CUDA安装：

nvcc --version

五、可选：安装cuDNN（用于深度学习）

如果你计划进行深度学习开发（如使用TensorFlow、PyTorch），建议安装cuDNN库。需先注册NVIDIA开发者账号，然后下载对应CUDA版本的cuDNN压缩包。

解压后复制文件到CUDA目录：

tar -xzvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xzsudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

六、常见问题排查

• 黑屏/无法进入图形界面：确保已彻底禁用Nouveau，并在BIOS中启用独立显卡。
• nvidia-smi 命令未找到：检查驱动是否安装成功，或尝试重新加载内核模块：sudo modprobe nvidia。
• CUDA版本与驱动不兼容：请参考NVIDIA官方文档确认兼容性矩阵。

七、总结

通过以上步骤，你已经成功在CentOS系统中配置了完整的GPU加速环境。无论是进行科学计算、视频转码还是训练深度学习模型，现在你的系统都能充分利用NVIDIA GPU的强大算力。记住定期更新驱动和CUDA版本，以获得最佳性能和安全性。

希望这篇教程能帮助你顺利搭建Linux深度学习环境。如果你在操作中遇到任何问题，欢迎在评论区留言交流！

关键词：CentOS GPU加速, NVIDIA驱动安装, CUDA配置, Linux深度学习环境