深度学习主机环境配置:Ubuntu16.04+GTX 1080+CUDA8.0+CUDNN5.1

公司经过一番思虑之后,终于决定引入深度学习,庆幸自己终于可以在GPU上去跑数据集了,真是兴奋的几天睡不着觉。跑训练之前,搭建深度学习环境至关重要,所以这一篇小编就来记录一下自己搭建环境的全过程。

鉴于公司软件环境都是基于windows的,所以小编还是安装了双系统,Ubuntu 16.04 + windows 10。安装双系统之后还是不免踩到很多坑,这里不得不提在 windows 10 中安装 GTX1080 驱动的时候,会出现驱动与该系统无法匹配的错误,这里一定要注意先更新 windows 升级到最新版本才能安装显卡驱动。这里不详说双系统安装过程,如有问题,可以给小编留言。

1. 安装Ubuntu 16.04

从Ubuntu官网 下载64位版本:Ubuntu-16.04-desktop-amd64.iso

在 windows 下制作Ubuntu USB安装盘,具体方法可以参考:UltraISO软件怎么制作ubuntu系统U盘启动镜像 ,之后通过 bios 引导u盘启动安装 Ubuntu 16.04 系统:

1)如果双系统的话,安装 windows 10 前先将系统盘分成两个主分区,一个安装 windows 10,在安装 Ubuntu 16.04 时就可以选择alongside windows 10 那个选项,会自动帮你分配 ext4 和 swap 两个分区安装 ubuntu,ext4是系统分区,swap是扩展分区。当然也可以选择手动去分配安装 ubuntu 的 ext4 和 swap 分区,ext4 注意挂载在 “ / ”根目录下。

2)安装完毕后 ubuntu 分辨率很低,可以手动修改grub文件:

sudo gedit /etc/default/grub

# The resolution used on graphical terminal

# note that you can use only modes which your graphic card supports via VBE

# you can see them in real GRUB with the command `vbeinfo’

#GRUB_GFXMODE=640×480

# 这里分辨率自行设置

GRUB_GFXMODE=1024×768

sudo update-grub

3)安装SSH Server,这样可以远程ssh访问这台 GTX1080 主机:

sudo apt-get install openssh-server

4)更新Ubuntu 16.04源,用的是中科大的源:

cd /etc/apt/

sudo cp sources.list sources.list.bak

sudo vi sources.list

把下面的这些源添加到 source.list 文件头部:

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

最后更新源和更新已安装的包:

sudo apt-get update

sudo apt-get upgrade

2. 安装GTX1080驱动

安装NVIDIA驱动 367.27

sudo add-apt-repository ppa:graphics-drivers/ppa

回车后继续:

sudo apt-get update

sudo apt-get install nvidia-367

sudo apt-get install mesa-common-dev

sudo apt-get install freeglut3-dev

之后重启系统让GTX1080显卡驱动生效。

3. 下载和安装CUDA 8.0

首先到CUDA官网 下载CUDA8.0安装包

深度学习主机环境配置:Ubuntu16.04+GTX 1080+CUDA8.0+CUDNN5.1_第1张图片
CUDA 8.0

此处注意要下载runfile版本,而不是deb,deb中没有 GTX1080

sudo sh cuda_8.0.61_375.26_linux.run --tmpdir=/opt/temp/

这里可能会报错,没有temp文件,那就在opt中先创建一个temp文件夹

sudo mkdir /opt/temp  

运行cuda安装之后会显示more(0%),这时千万不要像我一样傻等,要一直按空格键,进度条就会增加直到100%后会有一堆选项,此处一定要注意问你是否安装361这个低版本的驱动

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?

一定要选n,否则之前安装的GTX1080驱动就白费了。

Do you accept the previously read EULA? accept/decline/quit:  accept 

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62? (y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit? (y)es/(n)o/(q)uit: y

Enter Toolkit Location [ default is /usr/local/cuda-8.0 ]: 回车

Do you want to install a symbolic link at /usr/local/cuda? (y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples? (y)es/(n)o/(q)uit: y

Enter CUDA Samples Location [ default is /home/textminer ]: 回车

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …

Installing the CUDA Samples in /home/textminer …

Copying samples to /home/textminer/NVIDIA_CUDA-8.0_Samples now…

Finished copying samples.

......

Logfile is /opt/temp//cuda_install_6583.log

安装完毕后,再声明一下环境变量,并将其写入到 ~/.bashrc 的尾部:

gedit ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后再来测试一下CUDA,运行:
nvi

深度学习主机环境配置:Ubuntu16.04+GTX 1080+CUDA8.0+CUDNN5.1_第2张图片
nvidia-smi

4. 安装cuDNN 5.1

首先到Nvidia官网下载cudnn5.1 安装包,下载cuDNN v5.1 for CUDA8.0

深度学习主机环境配置:Ubuntu16.04+GTX 1080+CUDA8.0+CUDNN5.1_第3张图片
cuDNN 5.1

tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo ldconfig

这样深度学习主机环境就配置完成啦,如果你想感受一下GPU给你带来的快感,你可以根据yolo官网,配置一下yolo的gpu模式,放入一段视频,yolo帮你打开视觉新体验!


yolo v2

视频转GIF后画质不那么好了,但是流畅感还是有的,第一次跑起来的时候感觉超酷的!

如果有什么疑问可以留言小编哦!

你可能感兴趣的:(深度学习主机环境配置:Ubuntu16.04+GTX 1080+CUDA8.0+CUDNN5.1)