联想Y400安装ubuntu16.04、cuda8.0、cudnn5.1、anaconda2.7、tensorflow1.2、keras、opencv
联想Y400一个很老的机器了,因为带了块Nvidia的GEFORCE750独立显卡,所以尝试在该老机器上配置深度学习开发环境。前前后后有不少大大小小的坑,基本上都是一路百度、谷歌过来的。记录一下。
1、ubuntu系统安装
采用Ultraiso制作的ubuntu.14的U盘启动盘,采用UEFI的Boot mode。安装挺顺利的,就是重启后黑屏。后来查到貌似是独立显卡驱动的问题。而ubuntu.16.04不存在这个问题。故重新制作ubuntu.16.04的启动U盘。成功安装。
2、cuda8.0安装
- 安装显卡的驱动,去Nvidia官网下载对应显卡的驱动;卸载已存在驱动版本
sudo apt-get remove –purge nvidia*(如果已经安装过独立显卡驱动);屏蔽集成显卡驱动nouveau,采用blacklist方式,创建新文件:
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
内容为:
blacklist nouveau
options nouveau modeset=0
然后再更新:
sudo update-initramfs -u;然后结束x-window服务,sudo service lightdm stop;按Ctrl + Alt + F1 进入tty1控制台,执行驱动安装的run文件
sudo sh ./NVIDIA-Linux-x86_64-367.57.run 或sudo sh ./NVIDIA*.run;安装完后重启X-window,sudo service lightdm start; 查看已经安装好的显卡驱动版本,可以在终端输入:nvidia-smi 进行查看;
- Nvidia官网下载cuda8.0的包放在电脑中,根据自己的系统选择版本,注意Ubuntu下载请务必下载runfile文件(后缀为.run)
- sudo sh xxx 进行cuda的安装。此处xxx为你下载的cuda包的版本。因为调用sudo权限所以需输入密码,输入密码完成后会出现类似用户协议的的内容,一直点击回车将该部分读完,最后会会有提示输入accept接受协议。记得有一个提示是是否安装显卡驱动,选择否,因为已经手动安装过了。其余的一直回车
- 用sudo gedit /etc/profile命令进行环境变量的添加。输入该命令后最出现如下界面,在文档的最后边输入:
export PATH=/usr/local/cuda/bin:PATHexportLDLIBRARYPATH=/usr/local/cuda/lib64:PATHexportLDLIBRARYPATH=/usr/local/cuda/lib64:LD_LIBRARY_PATH
- 然后点击保存并关闭打开的文件,再在终端中输入:source /etc/profile,使设置生效。
3、cudnn5.1安装
- 下载cudnn5.1,百度云链接为链接: https://pan.baidu.com/s/1mij4Z1I 密码: 1rpf ,也可以直接去Nvidia官网下载。
- sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz,将压缩文件解压,会在当前文件夹下出现一个cuda文件。其内部包含include 与lib64 文件夹,include中为cudnn的头文件cudnn.h。 lib64中为库文件libcudnn.so, libcudnn.so.5, libcudnn.so.5.1.10, libcudnn_static.a。 其中,libcudnn.so.5.1.10是动态链接库文件,libcudnn.so.5 是指向libcudnn.so.5.1.10的符号链接文件,libcudnn.so是指向libcudnn.so.5 的符号链接文件,libcudnn_static.a 是静态库文件。
- 然后把头文件与库文件分别拷贝到前一步安装的cuda路径中,本机的cuda安装路径为/usr/local/cuda
利用命令进行拷贝,代码为:
cd cuda %这个cuda是刚刚解压的包出来的文件夹
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/
- 在本机安装cuda的文件中创建新的软连接,再修改文件权限。当出现错误提示说某个文件已经存在时,直接用rm 删除掉。代码为:
sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5.1
sudo ln -s libcudnn.so.5.1 libcudnn.so %创建新链接
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* %修改文件权限
sudo ldconfig %更新链接库
4、anaconda安装
- anaconda官网下载对应版本的anaconda,下载的是python2.7对应的版本。
- bash Anaconda3-4.2.0-Linux-x86_64.sh %对应自己下载的anaconda文件
5、tensorflow1.2安装
可以选择在conda中创建不同的环境安装tensorflow,但是,没法在spyder中直接调试tensorflow代码,需要另外的步骤。所以选择直接安装。很简单的代码,代码为:pip install tensorflow-gpu == 1.2.1
6、keras安装
一句代码: pip install keras
7、opencv(cv2)安装
一句代码:pip install opencv-python
- 从零开始安装TensorFlow1.0+keras(Ubuntu16.04+CUDA8.0+Cudnn5.1+TITANX)
- ubuntu 14 cuda8.0 cudnn5.1 anaconda tensorflow opencv 的安装
- 配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet
- 心酸的Caffe安装之路 环境搭配 Ubuntu16.04+gtx1080+cuda8.0+cudnn5.1+opencv+Anaconda3+caffe
- Ubuntu16.04+cuda8.0+opencv3.1+anaconda2.7+caffe安装教程
- ubuntu16.04安装NIVIDIA显卡驱动,cuda8.0,cuDNN6.0以及基于Anaconda安装Tensorflow-GPU
- 神经网络环境python2.7+tensorflow(gpu)+keras+cuda toolkit8.0+cudnn5.1+anaconda(ubuntu 16.04desktop64位)
- 写文章 Ubuntu16.04+cuda8.0+opencv3.1+anaconda2.7+caffe安装教程
- Ubuntu 16.04 Cuda 8.0 Opencv 3.1.0 Anaconda2 Caffe 安装
- Caffe安装:Ubuntu16.04 + GPU + CUDA-8.0 + cuDNN v5.1 + OpenCV 3.0.0 + Anaconda2
- Ubuntu16.04+CUDA8.0+cudnn5.1+TensorFlow-GPU详细安装步骤
- Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程
- 惠普暗夜精灵3plus配置ubuntu18.0.4、cuda9.0、cudnn7.0、anaconda(python2.7)、tensorflow-gpu1.8、keras、opencv等
- [置顶] Ubuntu16.04 安装cuda8.0+cudnn+anaconda2+opencv-3.1.0+caffe
- Ubuntu 16.04下安装Cuda 8.0, Anaconda 4.4.0和TensorFlow 1.2.1
- [置顶] Tensorflow GPU安装指南 (Ubuntu 16.04 anaconda cuda8.0 cuDNN6.0)
- ubuntu16.04+cuda8.0+cudnn5.1+caffe------Opencv3.1.0安装
- ubuntu16.04配置cuda8.0+cudnn5.1+tensorflow1.2
- 初用Linux, 安装Ubuntu16.04+NVIDIA387+CUDA8.0+cudnn5.1+TensorFlow1.0.1
- (亲测可用)ubuntu16.04安装+cuda8.0+cudnn5.1+MXNET gpu版本安装+tensorflow gpu版本安装+chainerGPU版本安装