windows10 ubuntu18.04 CUDA9.2 caffe tensorflow pytorch安装

windows10 安装

1. 制作U盘启动盘，可以使用windows官方windows 10 media creation tool
2. 安装office
3. 安装Visual Studio 2017（KBJFW-NXHK6-W4WJM-CRMQB-G3CDH）
4. 安装CUDA驱动
5. 安装Ultraiso9.7 （Guanjiu；A06C-83A7-701D-6CFC）（安装时不要勾选：安装虚拟ISO驱动器）
6. 安装anconda
7. 安装tensorflow（https://tensorflow.google.cn/install/）
8. 安装pytorch(https://pytorch.org/get-started/locally/)
9. 推荐安装cmder wox(重启后配置.condarc .vimrc)

ubuntu18.04 系统安装

1. 制作U盘启动盘

  可以使用Ultraiso刻录（启动模式为UEFI），注意选择启动引导设备时选择与windows启动相同的硬盘（如果你有很多块硬盘的话）

2. 更改英文路径

#更改系统语言环境为英文
export LANG=en_US
#更新环境
xdg-user-dirs-gtk-update
#此时会弹出界面，选择带有“update”字样的选项或者是“更新名称”
#更改回中文语言环境
export LANG=zh_CN.UTF-8
#更新环境
xdg-user-dirs-gtk-update
#此时再次弹出界面，选择“保留旧的名称”

3. 更新源

  选择清华源

4. 设置root账号

sudo passwd root

5. 安装NVIDIA驱动

5.1 卸载旧的驱动

sudo apt-get purge nvidia*

5.2 禁止自带的nouveau nvidia驱动

# 打开配置文件
sudo vim /etc/modprobe.d/blacklist-nouveau.conf

# 填写禁止配置的内容
blacklist nouveau
options nouveau modeset=0

# 更新配置文件
sudo update-initramfs -u

5.3 添加Graphic Drivers PPA源

# 更新源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 查看驱动版本
ubuntu-drivers devices

# 选择适合的（推荐最高，至少>=CUDA版本）
sudo apt-get install nvidia-driver-415

# 重启
sudo reboot

# 验证
nvidia-smi
nvidia-settings

6. CUDA安装

（https://developer.nvidia.com/cuda-downloads）

6.1 安装依赖库

# 依赖库安装
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

**6.2 gcc版本降级（注：>=CUDA9.2 支持gcc7）

# 查看版本
g++ --version

# 版本安装
sudo apt-get install gcc-5
sudo apt-get install g++-5

# 替换版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

# 查看版本
g++ --version

6.3 安装cuda

sudo sh cuda_9.2.148_396.37_linux.run
# 注意提示安装显卡驱动的时候选N Ctrl+d 可以快速翻页

6.4 环境配置

# 打开配置文件
sudo gedit ~/.bashrc

# 配置CUDA路径
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

# 更新配置
source ~/.bashrc

6.5 测试CUDA Sample

# 进入示例文件
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
# 执行make命令
sudo make
# 测试
./deviceQuery

7. CUDNN安装

（https://developer.nvidia.com/rdp/cudnn-download）

7.1 安装

# 安装 runtime library
sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.2_amd64.deb

# 安装 developer library
sduo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda9.2_amd64.deb

# 安装 code samples
sduo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda9.2_amd64.deb

7.2 测试

# 进入实力文件
cd /usr/src/cudnn_samples_v7/mnistCUDNN

# 执行make命令
sudo make clean
sudo make

# 测试
./mnistCUDNN

8. Anaconda安装

（https://www.anaconda.com/download/）

# 安装 注意：选择写入~/.bashrc 文件
sh Anaconda3-5.3.1-Linux-x86_64.sh

# 更新配置文件
source ~/.bashrc

9. Pytorch安装

（https://pytorch.org/get-started/locally/）

# Anconda 构建环境
conda create -n pytorch-0.4_py36 python=3.6

# 进入环境
conda activate pytorch-0.4_py36

# 安装 pytorch
conda install pytorch torchvision cuda92 -c pytorch

# 测试
# 进入 Python
python

# 引用 pytorch
import torch

10 TensorFlow安装

（https://tensorflow.google.cn/install/）

10.1 pip 安装

# Anconda 构建环境
conda create -n tensorflow-1.12_py36 python=3.6

# 进入环境
conda activate tensorflow-1.12_py36

# 安装 推荐先下好 .whl 文件
pip install --ignore-installed --upgrade packageURL

# 测试
# 进入 tensorflow
python

# 引用 tensorflow
import tensorflow as tf

# 输出版本
tf.__version__

**10.2 手动编译TensorFlow（官方没有提供CUDA9.2的包,pip能安装的话就忽略）

# 下载源码
git clone --recurse-submodules https://github.com/tensorflow/tensorflow

# 安装 bazel 依赖的JDK8
sudo apt-get install openjdk-8-jdk

# 添加 URL
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

# 安装 bazel
sudo apt-get update && sudo apt-get install bazel

# 进入 tensorflow 目录
cd tensroflow

# 配置 config 注意配置好CUDA Python 路径 提前安装numpy  keras
./configure 

# 编译目标程序 开启GPU支持 （报错都是因为少装了python库）
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
1

# 生成 .whl 文件
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

# pip安装 同9.1

11.caffe安装

（http://caffe.berkeleyvision.org/install_apt.html）

11.1 依赖安装

# 安装依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev checkinstall

11.2 配置文件修改

# 使用cudnn
USE_CUDNN := 1

# 使用opencv3
OPENCV_VERSION := 3

# 若要使用python layer
WITH_PYTHON_LAYER := 1

# 依赖库位置 :
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

**11.3 编译测试

# 编译库
make all -j8

# 编译测试库
make test -j8

# 运行测试
make runtest -j8

**11.4 测试MNIST数据集

# 进入 caffe
cd ~/caffe

# 下载数据集
./data/mnist/get_mnist.sh

# 转换成LMDB格式
./examples/mnist/create_mnist.sh

# 训练网络
./examples/mnist/train_lenet.sh

12. opencv安装

（https://github.com/opencv/opencv/releases）

12.1 安装依赖

sudo apt-get install cmake
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libtiff4.dev libswscale-dev 
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

12.2 编译安装

# 进入 opencv
cd ~/opencv

# 创建build文件夹
mkdir build

# 进入build文件夹
cd build

# cmake 配置 增加cuda版本
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv-3.4.3 -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D BUILD_TIFF=ON -D WITH_OPENGL=ON -D WITH_CUDA=ON -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" -D WITH_CUBLAS=1 ..

# 编译
make all -j8

# 安装
sudo make install

12.3 配置

# 打开conf配置文件
sudo gedit /etc/ld.so.conf.d/opencv.conf

# 写入opencv安装路径
/usr/local/opencv-3.4.0/lib

# 更新配置
sudo ldconfig

# 配置bash
sudo gedit ~/.bashrc

# 写入pkgconfig路径
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig${PKG_CONFIG_PATH:+${PKG_CONFIG_PATH}} 

# 更新配置
source ~/.bashrc

12.4 测试

# 进入测试文件夹
cd opencv-3.4.0/samples/cpp/example_cmake

# 编译
cmake .
make

# 测试
./opencv_example

13. 科学上网

（https://github.com/s/s-qt5/releases）

14. 有道词典

（https://github.com/yomun/youdaodict_5.5）

15. 搜狗输入法

(https://pinyin.sogou.com/linux/?r=pinyin)

# 安装
sudo dpkg -i sogoupinyin_2.2.0.0108_amd64.deb

# 解决依赖
sudo apt install -f

# 设置
从设置找到语言->管理安装语言，待更新安装完成，设置为fcitx

# 添加
重新登入，在右上角的托盘->配置，添加搜狗输入法