debian 9-GeForce GTX 1060-nvidia-docker 安装深度学习环境

之前训练模型一直用的是师兄装好的工作站。这不用喜人的价格收购了一台工作站，debian系统，配备了1张1060卡，16GB内存，4核i5。虽然有点不上档次，但是也比CPU跑的快点，用来做尝试没有问题了。开始环境安装吧！

环境安装介绍

安装之前去官网上查一下需要什么版本的cuda和cudnn

显卡驱动安装

去官网下载对应的驱动程序 https://www.nvidia.cn/Download/index.aspx?lang=cn

在这里插入图片描述

下载好是一个run 文件，在命令行中输入sudo bash NVIDIA*.run
然后等待安装就好，安装好之后可以使用nvidia-smi命令查看

cuda安装

去 https://developer.nvidia.com/cuda-downloads 下载cuda

在这里插入图片描述

下载好后直接运行sudo bash cuda**.run

安装过程中还会提示你重新安装驱动，这一步要选择no,其他的选择accept,yes或者回车就行

Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y

安装结束之后会看到

===========
= Summary =
===========
 
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-9.0
Samples: Installed in /home/textmine

验证cuda是否安装完成有如下的方法：

• 1.在终端中输入nvcc -V,如果成功则会看到相应的版本信息
• 2.使用刚才下载的例子进行验证
  进入下载的sample中使用make命令进行编译，执行编译好的文件./samples/1_Utilities/deviceQuery

cudnn安装

cudnn的下载需要自己在官网上注册一个账户，https://developer.nvidia.com/rdp/cudnn-download

在这里插入图片描述

这里下载的是deb文件，把这三个文件都安装到服务器上就行：
sudp dpkg -i *进行安装

安装好后使用下载的例子进行验证在/usr/src中。同样也需要进行编译才能运行

docker-ce安装

安装nvidia-docker 需要依赖docker-ce，所以需要先安装docker-ce,如果安装了docker,先移除。

sudo apt-get remove docker docker-engine docker.io 

跟新源

sudo apt-get update
sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common

安装GPG证书

curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add –

添加源

sudo add-apt-repository “deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable”
sudo apt-get -y update

安装docker就可以了

sudo apt-get install docker-ce

nvidia-docker 安装

安装好docker-ce之后只需要执行如下命令就可以安装好nvidia-docker

sudo apt-get install -y nvidia-docker2

环境安装好了，开始你的表演吧

需要什么工具可以中网上搜一搜有没有容器，如果有的话就可以肆意的操作，而不需要考虑整体的环境了
docker hub地址 https://hub.docker.com