win10+ubuntu18.04双系统+cuda10+cudnn7.4+tensorRT5深度学习环境

• 一，首先下载ubuntu18.04。
• 二，分区
• 三，制作启动盘
• 四，安装系统
• 六，安装显卡驱动
• 七，安装cuda
• 八，安装cudnn
• 九，安装tensorRT
• 十，安装anaconda（python环境）
• 十一，安装pycharm编辑器
• 十二，安装python包
• 创建python3.6虚拟环境

激活环境

安装tensorflow-gpu

安装pytorch

• 安装mxnet
• 安装jupyter notebook

在上一篇博客记录了去年深度学习环境的搭建,随着ubuntu,cuda,tensorflow,pytorch,mxnet版本的更新,重装了系统,同时更加简单.在这里介绍一下.
硬件环境
cpu:i7-7700k
gpu:1080Ti

一，首先下载ubuntu18.04。

附各版本下载地址
选择 ubuntu-18.04-desktop-amd64.iso 2018-04-26 18:44 1.8G

二，分区

使用DiskGenius软件将win的一个区分区，预留下几十G空间。最好将系统放于固态中。例如100G固态，分成两个区，第一个区用于win访问，第二个区删掉。留下空白空间。

三，制作启动盘

使用UltraISO读取下载好的ISO文件。写入U盘中。

四，安装系统

进入bios选择U盘启动,图形化安装

六，安装显卡驱动

选择图形化是最靠谱的

1. 更新apt-get源列表

   sudo apt-get update
   sudo apt-get upgrade

2. 添加驱动源

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

ubuntu搜索软件更新器

(忽略掉仓库失败…)
点击设置->附加驱动

亲测410比较快,当然也可以实事415或者你看到的更新的版本.
重启电脑

七，安装cuda

cuda到目前为止最新版本为10。
首先进入bios关闭安全启动。
下载cuda安装包。

下载.deb安装包。
到下载路径下执行建议的命令

sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

执行第一句时,会提示添加apt-key,把提示的命令输一下,类似于第二句,再安装即可.

空格观看责任书
当提示是否安装显卡驱动时,选择no
根据提示：

Please make sure that
-   PATH includes /usr/local/cuda-10.0/bin
-   LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-10.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-10.0/bin
To uninstall the NVIDIA Driver, run nvidia-uninstall

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.0/doc/pdf for detailed information on setting up CUDA.

需要将cuda安装路径加入环境变量。

执行：

gedit ~/.bashrc

在文件最后添加:
export PATH=/usr/local/cuda-10.0/bin:PATHexportLDLIBRARYPATH=/usr/local/cuda−10.0/lib64:PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:PATHexportLDL​IBRARYP​ATH=/usr/local/cuda−10.0/lib64:LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda

使环境变量在当前用户下永久有效
执行

source ~/.bashrc

立即生效
运行

nvcc -V

输出

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

则安装成功

八，安装cudnn

下载地址
在登录，同意License后，有一个下载界面，为目前最新版本7.4.2。不选这个，点击
Archived cuDNN Releases
选择

下载之后为.deb文件
通过执行

sudo dpkg -i  libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i  libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i  libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

安装cudnn完成。

九，安装tensorRT

tensorRT的下载地址
同样需要登录
选择

执行

sudo dpkg -i nv-tensorrt-repo-ubuntu1804-cuda10.0-trt5.0.2.6-ga-20181009_1-1_amd64.deb

完成安装

十，安装anaconda（python环境）

清华源下载miniconda3
通过执行

./Miniconda3-latest-Linux-x86_64.sh

完成安装
其中
一切yes
安装完成后需要执行

source ~/.bashrc

才能使anaconda的环境变量生效。（当然重启后即生效）
同时将增加conda清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

增加pip清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

十一，安装pycharm编辑器

官方下载
一般社区办就可以
专业版需要付费，当然网上各种方法破解。
随意选择。
在/bin/下直接执行./pycharm.sh就可以运行了。
但是为了更方便，可以创建快捷方式。参考博客

sudo gedit /usr/share/applications/Pycharm.desktop

添加

[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec=sh /home/arron/pycharm-community-2018.2.2/bin/pycharm.sh
Icon=/home/arron/pycharm-community-2018.2.2/bin/pycharm.png
Terminal=pycharm
Categories=Pycharm

搜索pycharm
固定到任务栏中即可。

十二，安装python包

创建python3.6虚拟环境

conda create -n machine python=3.6

激活环境

source activate machine

安装tensorflow-gpu

使用conda安装conda会帮忙下载可以使用的cuda和cudnn,以及cpu并行加速库mkl

conda install tensorflow-gpu

安装pytorch

在pytorch官网上可以生成安装命令

conda install pytorch torchvision cuda100 -c pytorch

安装mxnet

在mxnet官网上可以生成安装命令

pip install mxnet-cu92

安装jupyter notebook

使用conda安装可以选择conda的不同环境

conda install nb_conda

开启远程访问notebook参考另一篇博客.