RTX2080Ti-深度学习环境配置

最近新购置了一台服务器,被环境折腾了半天,在这里纪念一下安装的心酸历程。
环境配置:ubuntu18.04,cuda10.0,cudnn7.3.1,tensorflow-gpu1.12.0

1.下载显卡驱动、cuda、cudnn

cuda10、cudnn、nvidia

2. 安装显卡驱动

2.1禁止系统默认的显卡驱动

打开系统黑名单

sudo gedit /etc/modprobe.d/blacklist.conf

将下列代码填入文件末尾

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

更新initramfs

sudo update-initramfs -u

重启电脑

sudo reboot

查看是否禁用成功,无输出则禁用成功

lsmod | grep nouveau

2.2 安装显卡驱动

1 cd 到下载目录
2 执行命令

sudo ./NVIDIA-Linux-x86_64-410.78.run

3 验证是否安装成功

nvidia-smi

RTX2080Ti-深度学习环境配置_第1张图片

3. 安装CUDA

3.1安装gcc,g++ 5

ps:这里在安装cuda10之前,准备安装cuda9.0来着,就将gcc版本降为了5.5.0,这里不确定需不需要降版本。
具体操作如下:

sudo apt-get install gcc-5.5 g++-5.5

切换到 /usr/bin 目录,对gcc 进行降级,其实就是重新创建软连接:

ls  -l   gcc*  
sudo mv  gcc   gcc.bak #备份
sudo ln -s  gcc-5.5  gcc # 重新连接

ls -l   g++*
sudo  mv  g++ g++.bak
sudo ln  -s  g++-5.5  g++

重新查看g++、gcc 的版本:

g++  -v
gcc   -v

确认gcc、g++版本为5.5就ok。

3.2 安装cuda

切换到下载目录
执行:

sudo sh cuda_10.0.130_410.48_linux.run

安装过程,只选择不安装显卡驱动就行了。
配置环境变量,在主文件夹中打开.bashrc:

sudo vim ~/.bashrc

末尾加入一下路径,保存关闭

export PATH=/usr/local/cuda-10.0/bin${PATH:+:$PATH}}      #注意,根据自己的版本,修改cuda-10.0...
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #注意,根据自己的版本,修改cuda-10.0...

使配置文件生效

source ~/.bashrc

检查CUDA是否安装成功
终端输入 : $ nvcc –V 会输出CUDA的版本信息
编译cuda提供的例子:
1 切换到例子存放的路径,默认路径是 ~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery
2 终端输入

sudo make

3 执行操作

./deviceQuery

出现下面的pass 就安装成功
RTX2080Ti-深度学习环境配置_第2张图片

4.安装cudnn

这里还是需要cd到你的下载目录

  1. Unzip the cuDNN package
tar -xzvf cudnn-10.0-linux-x64-v7.3.1.20.tgz

2.Copy the following files into the CUDA Toolkit directory, and change the file permissions

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*

这就安装成功了,如果有问题可以试一下另一种安装方式:

sudo dpkg -i libcudnn7_7.3.1.20-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda10.0_amd64.deb

验证cudnn是否安装成功
1.切换到cudnn样例的目录

cd ../cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

出现Test passed就表示安装成功了。

5.安装tensorflow-gpu

在这里下载的tensorflow-gpu
可以采用这种方式安装哦

pip install --no-cache-dir tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl

完成就大功告成了。接下来就可以安装keras…等愉快的玩耍喽。

最近又重新安装了 cuda安装跟之前感觉不太一样
https://blog.csdn.net/AlphaWun/article/details/90180338

你可能感兴趣的:(机器学习)