Ubuntu 安装 CUDA、cuDNN、anaconda、pycharm、tensorflow、pytorch、JDK1.8

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

Ubuntu 18.04.4、CUDA、cuDNN、anaconda、pycharm、tensorflow、pytorch下载安装包

链接：https://pan.baidu.com/s/1oqYxOYob9MBuqHYsxkS-IA 
提取码：y8ub

链接：https://pan.baidu.com/s/1YqfX0ObJSSUIaHYW3OW3cQ 
提取码：21lu 
链接：https://pan.baidu.com/s/1yF7e6ntWpXpdPWFLN4gi2g 
提取码：f1zi

安装vim
	sudo apt-get install vim

安装ifconfig
	sudo apt install net-tools
	ifconfig

更新软件源和升級软件
	sudo apt-get update 更新软件源
	sudo apt-get upgrade 升級软件

安装gcc	
	sudo apt install build-essential
	#该命令将安装一堆新包，包括gcc，g++和make。
	#要验证GCC编译器是否已成功安装，请使用gcc --version命令打印GCC版本：
	gcc --version

---

JDK1.8 下载安装
	1.下载：https://www.oracle.com/java/technologies/javase-jdk8-downloads.html
	2.卸载自带的OpenJDK方法 sudo apt-get remove openjdk*
	3.安装 JDK 1.8
		sudo mkdir /usr/local/java
		sudo tar zxvf jdk-8u251-linux-x64.tar.gz -C /usr/local/java
		cd /usr/local/java/jdk1.8.0_251/bin
		./java -version
	4.vim ~/.bashrc
		1.在文件末尾添加以下内容：
			#set java environment
			JAVA_HOME=/usr/local/java/jdk1.8.0_251
			CLASSPATH=.:$JAVA_HOME/lib/tools.jar
			PATH=$JAVA_HOME/bin:$PATH
			export JAVA_HOME CLASSPATH PATH
		2.重新加载profile配置文件，让配置文件生效：source ~/.bashrc 
		3.检查是否已配置好新的JDK：java -version

 

---

CUDA、tensorflow版本清单：https://tensorflow.google.cn/install/source#linux

CUDA 全部版本下载：https://developer.nvidia.com/cuda-toolkit-archive
cuda 10.1下载：https://developer.nvidia.com/cuda-10.1-download-archive-update2
迅雷下载cuda 10.1：http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
命令下载cuda 10.1
	wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

安装：sudo sh cuda_10.1.243_418.87.00_linux.run
配置环境变量：
	vim ~/.bashrc
		export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
		export PATH=$PATH:/usr/local/cuda-10.1/bin
		export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
	source ~/.bashrc 刷新
	nvcc -V 查看版本

---

cuDNN下载（必须先注册账号登录才能下载）：https://developer.nvidia.com/rdp/cudnn-download
Windows 10版本直接下载：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-linux-x64-v7.6.5.32.tgz
Linux版本直接下载：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip
安装：tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz.tgz
	sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include
	sudo cp ./cuda/lib64/libcudnn* /usr/local/cuda/lib64
	sudo chmod 777 /usr/local/cuda/include/cudnn.h 
	sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

---

anaconda python 3.7
	1.安装：bash Anaconda3-2019.10-Linux-x86_64.sh
	  安装过程只需要按回车和yes即可
	2.配置环境变量
		打开.bashrc文件vim ~/.bashrc
		文件末尾添加一行 export PATH="/home/用户名/anaconda3/bin:$PATH"
		使配置马上生效 source ~/.bashrc
	3.查看anaconda版本信息：conda --version 
	4.更新pip版本：python -m pip install --upgrade pip
	5.查看pip版本：pip show pip 

---

pycharm安装
	tar zxvf pycharm-professional-2019.1.3.tar.gz
	cd ./pycharm-2019.1.3/bin
	sh ./pycharm.sh

验证：
	1.linux添加：-javaagent:/home/nagisa/pycharm-2019.1.3/bin/jetbrains-agent.jar
	  window添加：-javaagent:G:\PyCharm 2019.2.3\bin\jetbrains-agent.jar	
	2.Window/linux中hosts无需添加0.0.0.0 account.jetbrains.com和0.0.0.0 www.jetbrains.com，否则可能报错误码1653219
	  Linux：vim /etc/hosts
	  Window：C:\Windows\System32\drivers\etc\hosts
		把下面两行注释掉，无需添加到hosts中
			0.0.0.0 account.jetbrains.com
			0.0.0.0 www.jetbrains.com
		重新加载网络 sudo /etc/init.d/networking restart

---

tensorflow gpu 2.1.0 安装
	1.添加国内的下载源会提下载速度 -i https://pypi.tuna.tsinghua.edu.cn/simple
		pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
	2.国内源直接下载链接
		选择下载：tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
		下载链接：https://pypi.tuna.tsinghua.edu.cn/packages/0c/e8/56ecca076108302a0bc34d509dc891086455ac31895843403ef0a71d0497/tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl (421.8 MB)
		安装：pip install tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
		pip list
			tensorboard 		2.1.1    
			tensorflow-estimator	2.1.0    
			tensorflow-gpu		2.1.0 
	3.测试gpu
		import tensorflow as tf
		print(tf.test.is_gpu_available()) #返回True
		print(tf.__version__)

---

pytorch gpu 安装
	1.官网下载安装：https://pytorch.org/get-started/locally/
	  安装命令：conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
	2.国内源直接下载链接
		网站链接：
                    window：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
                    linux：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/
		选择下载：
                    window：pytorch-1.5.0-py3.7_cpu_0.tar.bz2
                    linux：pytorch-1.5.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2
		下载链接：
                    window：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch-1.5.0-py3.7_cpu_0.tar.bz2
                    linux：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-1.5.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2
		安装：
                    window：conda install pytorch-1.5.0-py3.7_cpu_0.tar.bz2
                    linux：conda install pytorch-1.5.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2　　　
		pip list
			torch  1.5.0
	3.测试GPU版本的代码
		import torch
		#测试 CUDA
		print("Support CUDA ?: ", torch.cuda.is_available()) #返回True
		x = torch.tensor([10.0])
		x = x.cuda()
		print(x)
		y = torch.randn(2, 3)
		y = y.cuda()
		print(y)
		z = x + y
		print(z)
		# 测试 CUDNN
		from torch.backends import cudnn
		print("Support cudnn ?: ",cudnn.is_acceptable(x)) #返回True