最近我们组新添了一台简易的GPU个人工作站,主要用于分子动力学模拟和机器学习,配置如下:
CPU i5 9600k
散热器 酷冷至尊T400i塔式风扇
内存 金士顿16G DDR4 2666骇客神条 2条
硬盘1 西部数据4T企业版 7200转
硬盘2 三星976 EVO PLUS 256G
主板 华硕B360M-D
显卡 影驰GTX2080 SUPER
机箱 安钛克P7
电源 台达额定850W
主要参考sob的装机配置推荐(http://sobereva.com/444),总价在¥12000左右。出货时固态盘安装了WINDOWS系统,但是大部分计算化学软件都是在Linux系统下运行的,于是在机械硬盘分区安装Linux发行版。可以选择的免费的Linux发行版有Ubuntu,Centos等。考虑到在Ubuntu下安装各种软件环境比较方便,于是选择了与Ubuntu同宗同源的Deepin
国产发行版。它也被华为Matebook 14 第三方版本所采用,具有类苹果的操作UI和类Windows的交互逻辑,同时安装也比较便捷。
首先在(https://www.deepin.org/download/)下载深度启动盘制作工具,并下载深度操作系统15.11的镜像,准备一个大于8G的空U盘。启动制作工具,导入镜像并写入U盘。
将U盘插入GPU主机的USB口,在BIOS中设置从U盘引导。选择安装Deepin
,并安装到一个空白的分区。等待20分钟即可安装完毕,机器即将重启,务必将U盘拔下。
启动后默认是使用的CPU的亮机卡,因此需要安装nVidia
驱动以及Cuda Toolkit
。因为Deepin15.11
的默认gcc版本是6.5,因此需要安装Cuda 10.1
版本的GPU编程工具箱。
安装显卡驱动
- 查看显卡信息
lspci | grep -i vga
#显示有GeForce显卡
- 下载官方Linux驱动
https://www.nvidia.cn/Download/index.aspx?lang=cn
或者
https://www.geforce.com/drivers
选择下载适合自己显卡的Linux驱动
- 禁用nouveau驱动
sudo echo "blacklist nouveau" >> /etc/modprobe.d/blacklist-nouveau.conf
sudo echo "options nouveau modeset=0" >> /etc/modprobe.d/blacklist-nouveau.conf
#重启
sudo reboot
sudo update-initramfs -u
#执行以下命令,若无输出说明禁用成功
lsmod | grep nouveau
- 安装驱动
#先关闭图像界面,切换tty2
ctrl+alt+f2
#关闭图像界面
sudo service lightdm stop
#切换进显卡驱动下载目录
sudo chmod a+x NVIDIA-Linux-x86_64-x.run
sudo ./NVIDIA-Linux-x86_64-x.run
#安装过程中除了是否支持32外全部选是。
#安装完成后重启电脑
sudo reboot
#输入nvidia-smi 查看是否成功安装好显卡驱动。
#以上参考 https://www.jianshu.com/p/caa02259e51d
安装Cuda Toolkit
Deepin15.11
相当于Ubuntu16
,在https://developer.nvidia.com/cuda-downloads上下载工具箱。
上述教程在我们主机上无法成功安装Cuda Toolkit
,https://www.findhao.net/easycoding/2562.html 的一个帖子提供了解决办法,使用普通帐号安装。
mkdir ~/Downloads/cuda10.1
cd ~/Downloads/
./cuda_10.1.243_418.87.00_linux.run --silent --toolkit --toolkitpath=~/Downloads/cuda10.1 --defaultroot=~/Downloads/cuda10.1 --samples --samplespath=~/Downloads
没有报错,说明安装成功了,在系统的/usr/local/下创建toolkit10的链接:
sudo ln -s ~/Downloads/cuda10.1 /usr/local/cuda
#重新启动
sudo reboot
加入环境变量
CUDA_HOME=/usr/local/cuda/
export PATH=$PATH:$CUDA_HOME/bin/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64
安装Gromacs Cuda版本
主要参考教程http://sobereva.com/457
#安装fftw
mkdir build
cd build
export CMAKE_PREFIX_PATH=/sob/fftw338
cmake .. -DCMAKE_INSTALL_PREFIX=/sob/gmx2018.4 -DGMX_SIMD=AVX2_256 -DGMX_MPI=OFF -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda
#不使用AVX512指令集,不是用MPI 仅用openMP
make -j4
make install
GROMACS运算测试
以李继存老师博客上的教程(http://jerkwin.github.io/GMX/GMXtut-0)为例进行对比:漏斗网蜘蛛毒素肽的溶剂化研究的成品模拟对比测试。为了使用GPU,energygrps设为了System,测试软件同为GROMACS2019.2版本。
对比结果如下:
一块2080显卡的普通台式机的Gromcas的算力远远超过了一台GPU主机,而且价格也比较实惠。