机缘巧合之下安装ubuntu17.10过程一堆坑,在帖子中记录一下。
过程中参考以下及若干链接,感谢感谢!!
https://blog.csdn.net/luoweiyiroy/article/details/79974241
https://askubuntu.com/questions/967332/how-can-i-install-cuda-9-on-ubuntu-17-10
过程如下:
1 安装驱动
显卡驱动中,拒绝手动,一堆坑。本文中显卡为GTX1080.
软件与更新(全部)-〉 附加驱动 -> nvidia corporation GP104
安装后结果
384版本的驱动
2 安装CUDA
2.0安装之前的一些说明:
1)
Cuda8.0并不支持17版本!!!所以这里只能安装Cuda9.0(网上安装8.0的教程其实里面也全是安装的9.0),本文中安装的是uda版本已经是9.2
2) 直接用Linux下载非常慢,推荐使用windows找一个好的地方下载好,u盘转到linux下的home 文件夹
3) 安装之前参考官方安装指导链接( https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html)尤其注意Pre-installation Action部分。
2.1安装之前的准备:
对应于官方文档的,linux版本信息,NVIDIA GPU信息等,参考:
https://blog.csdn.net/u012235003/article/details/54575758
本节中主要遇到 gcc版本太高的问题及安装过程依赖的包未装问题,解决方法如下:
1 )安装 gcc-5
此时
gcc --version发现还是7.2版本,更新系统默认gcc为gcc-5
其中 最后数字为优先级,该数字越高优先级越高,40,50的区别
(https://www.linuxidc.com/Linux/2017-03/142299.htm)
结果如下:
同样设置g++:
此时用
gcc --version查看为5.0版本
2) 按装依赖的包
3 安装CUDNN
3.1 获取cuda安装 文件
https://developer.nvidia.com/cuda-downloads
这个cuda有两个安装方式:一个是runfile,另一个是deb。
选择第一个runfile下载。
选17.10!!!!!否则下不到合适的安装文件,注意下载下来应该为9.0+版本
本文下载的文件为
本文版本:
3.2 安装
安装过程,
选项install nvidia accelerated Graphics Driver (驱动需要选
n (NO), 原因已经安好驱动(第一步),系统自带驱动坑略多,其余默认。
3.3. 更改配置件
sudo gedit ~/.bashrc
添加
export PATH=/usr/local/c
uda-
9.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/loca
l/cuda-
9.2
/lib64:$LD_LIBRARY_PATH
保存
重启ubuntu
3.4 检验cuda是否安装成功
1 https://blog.csdn.net/u012235003/article/details/54575758
2
来源: https://www.cnblogs.com/jiu0821/p/8410178.html
1
|
cuda-
install
-samples-9.0.sh <
dir
> 安装测试程序,<
dir
>是安装目录,自己新建一个即可
|
安装好后,
下有个NVIDIA_CUDA-9.0_Samples文件夹,cd到这个文件夹里面,执行$sudo make,编译完后,在bin目录或bin目录的子目录的子目录里有编译好的deviceQuery可执行文件,执行这个文件,可以看到下面的输出就说明安装成功了:
![Ubuntu17.10+Cuda9.2+Cudnn7.1+Anaconda+tensorflow 深度学习环境搭建_第5张图片](http://img.e-com-net.com/image/info8/25d4f4af616a4334bb7b31104d6c3e03.jpg)
如果执行失败,则是显卡驱动没有装好。
最后再来测试一下CUDA,运行:
可以看到gpu的各种信息。
4 安装cudnn
4.1 下载
1) 版本问题:
CUDA8.0对应的cuDNN版本是5.1,CUDA9.0对应的cuDNN7.0。同时,cuDNN可以同时安装在CUDA8.0和9.0中,而cuDNN7.0只能对CUDA9.0及以上适用。
(详细说明:https://blog.csdn.net/m0_37638031/article/details/78896818
cuda, cudnn, tensorflow之间版本的对应关系
https://blog.csdn.net/xccccz/article/details/80385448
)
2) 下载
官方链接:
https://developer.nvidia.com/rdp/cudnn-download
(下载前需要登录网站,因此需要进行注册)
3) 解压及安装
5 安装annaconda
#
python 3.6版本:
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
# python 2.7版本:
https://repo.continuum.io/archive/Anaconda2-5.0.1-Linux-x86_64.sh
#手动下载,链接
https://repo.continuum.io/archive/
chmod +x Anaconda3-5.0.1-Linux-x86_64.sh
./Anaconda3-5.0.1-Linux-x86_64.sh
提示加入环境变量 输入yes
source ~/.bashrc
6
annaconda 安装teansorflow
#通过清华的pip源,用这种方式安装tensorflow-gpu版本速度很快
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu
7 最终测试
来源: https://www.cnblogs.com/lantingg/p/7884283.html
我们在ipython中试一下新安装好的Tensorflow:
Python 2.7.13 (default, Jan 19 2017, 14:48:08) Type "copyright", "credits" or "license" for more information. IPython 5.1.0 -- An enhanced Interactive Python. ? -> Introduction and overview of IPython's features. %quickref -> Quick reference. help -> Python's own help system. object? -> Details about 'object', use 'object??' for extra details. In [1]: import tensorflow as tf In [2]: hello = tf.constant('Hello, Tensorflow') In [3]: sess = tf.Session() 2017-09-01 13:32:08.828776: I tensorflow/core/common_runtime/gpu/gpu_device.cc:955] Found device 0 with properties: name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate (GHz) 1.835 pciBusID 0000:01:00.0 Total memory: 7.92GiB Free memory: 7.62GiB 2017-09-01 13:32:08.828808: I tensorflow/core/common_runtime/gpu/gpu_device.cc:976] DMA: 0 2017-09-01 13:32:08.828813: I tensorflow/core/common_runtime/gpu/gpu_device.cc:986] 0: Y 2017-09-01 13:32:08.828823: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1045] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0) In [4]: print(sess.run(hello)) Hello, Tensorflow
|