由于显卡驱动已经安装好了所以我们直接在Ubuntu上搭建立环境。
由于ubuntu系统自带Python2.7和3.5,但我们需要的是3.6版本,我们可以直接在终端安装。
添加包源时间会有点长:sudo add-apt-respository ppa :jonathonf/python-3.6
好了之后,更新包源:sudo apt-get update
sudo apt-get install python3.6
这个命令会自动安装python3.6的最新版,当然安装完成后还要改一下python的优先级,把你想要的版本放后面那个值设置最大就可以了,注意自己的路径.
sudo update-alternatives --install /usr/bin/python /usr/bin/python2.7 100
sudo update-alternatives --install /usr/bin/python /usr/bin/python3.5 150
sudo update-alternatives --install /usr/bin/python /usr/bin/python3.6 200
如需切换版本执行sudo update-alternatives –config python
或者将后面那些数值变更一下。
这个开发工具可以到官网下载安装包。
把下载好的文件解压到你想要的地方这里我就不用指令了。可以直接用自带的软件提取
本人解压到home文件路径下了,但文件却在bin文件夹里
我们直接用终端到此文件夹路径下打开.sh的文件 sh pycharm.sh
修改Linux配置下的Python3的指向Python3.6
切换到cd /usr/lib文件夹下cd /usr/lib
删除原有的Python3因为原有的Python3指向的是Python3.5
接着上面的终端继续打:sudo rm python3
创建一个新的Python3让他指向Python3.6:cp python3.6 python3
打开python3看看是否成功.
先回到主目录cd ~
输入python3
如果输出的是Python3.6.x证明成功了。
注意事项:解决了Python指向问题会后,由于3.5版本没有卸载干净,导致点击终端图标或者快捷键不可以打开终端
在桌面点击鼠标右键打开终端。并切换到以下目录
cd /usr/lib/python3/dist-packages/gi/
我们要修改和这两个文件名。
_gi_cairro.cpython-3.5m-x86_64-linux-g
_gi.cpython-35m-x86_64-linux-gnu.so
为了保险起见我一次一次修改
sudo cp _gi_cairo.cpython-35m-x86_64-linux-g _gi_cairo.cpython-36m-x86_64-linux-g
下一个
sudo cp _gi.cpython-35m-x86_64-linux-gnu.so _gi.cpython-36m-x86_64-linux-gnu.so
好了终端可以在桌面和用快捷键运行了。
这个软件是基于NVIDIA显卡驱动安装的,由于上一篇博客已经讲到怎么安装显卡驱动了所以这里我就不在演示了。
到NIVIDA官网下载CUDA选择我们选择我们需要的版本
我们先看到的是这个页面我们选择左下角Legacy Release(历史版本)
选择CUDA9.0,选择自己需要的版本和文件类型。
这里我选择的是.run的格式 因为方便
找到下载的路径,打开终端sudo sh cuda_9.0.176_384.81_linux.run
(其实底下有安装说明)
一路回车若看到nvidia-数字的时候一定要选no因为前面已经安装好了,我是默认路径/usr/local/cuda。如果改路径的话配置环境变量需要自己改
配置环境变量,运行如下命令打开profile文件(gedit我就比较喜欢你也可以用vi)
sudo gedit /etc/profile
打开文件后在文件末尾添加路径,也就是安装目录,命令如下:
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
保存,继续在终端打reboot(重启)
测试CUDA,打开终端
1.cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
2.sudo make
3../deviceQuery
如果显示的是关于GPU的信息,则说明安装成功了
4.nvcc -V
会显示CUDA版本
我们先到官网去下载cudnn
点击download cuDNN后会提示登陆或者注册,注册也不是很费劲。
勾选我同意后底下会显示最新版本的cudnn我们点击最下面的历史版本。
注意这里面有好多CUDA9.0但要搭配正确版本的CUDA才能用,我是CUDA9.0加cudnn7.4
我们选择最新的那个7.4.2 for CUDA9.0
这里我们看到适用Linux Ubuntu16.04的足足有四个版本。区别吗……
cuDNN Library for Linux是一个普通版
cuDNN Runtime Library for Ubuntu16.04 (Deb)是游戏用的另一个则是开发者用的,最下面是用户手册,我的建议是用下面的方法都装上,如法炮制。
解压下载的文件,可以看到cuda文件夹,在当前目录打开终端,执行如下命令:
1 sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
3 sudo chmod a+r /usr/local/cuda/include/cudnn.h
4 sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
其他的.deb包用sudo dpk -i 文件名安装不过需要按照一定的顺序
看cudnn版本在终端输入cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
如果出现上面信息则安装成功。
**
**
我们打开pycharm ,进入包管理,点击右上角的加号
注意我们要的是GPU版如果下载的是普通版会用CPU跑……训练时间比GPU慢的不是一星半点。
在上面输入我们要安装的包,在右下角第一个勾选我们需要的版本,版本不对是不能运行的,亲测用1.13不能跑用1.12写的程序,而且Python 版本必须是3.6.x如果是3.7.x是不能安装1.12TensorFlow的。
点击左下角Install Package 安装包,安装时间会有点长。
看到successfully就完成了。
**
**
还是老方法,如法炮制。
小提示:当你没有安装TensorFlow和Keras运行程序时,系统右上角会提示安装包,选择安装所有需要的包会全家桶式安装,不过麻烦的是系统安装完成一个包后紧接着提示你输入root密码安装下一个包,会多次频繁的让你输入root密码。不过好处是全家桶安装真的很省事。