linux系统下深度学习环境的搭建Ubuntu16.04+1070Ti+CUDA9.0+CUDNN
2019-04-28 21:34
591 查看
linux系统下深度学习环境的搭建Ubuntu16.04+1070Ti+CUDA9.0+CUDNN
- Ubuntu16.04系统的安装
- Ubuntu16.04系统中文的设置
- vim的安装
- 安装显卡驱动
- cuda和cudnn的安装
- Anaconda的安装
- 创建虚拟环境,安装tensorflow-gpu
- Pycharm的安装
- 最后在pycharm中添加虚拟环境
最近在学习深度学习,记录下环境的配置完整流程。按照这个流程安装整个系统环境,直接可以使用了。我使用的显卡为1070Ti。
Ubuntu16.04系统的安装
https://cloud.tencent.com/developer/news/270017
Ubuntu16.04系统中文的设置
https://blog.csdn.net/qq_19339041/article/details/80058575
vim的安装
终端输入:sudo apt install vim
安装显卡驱动
方法1:
设置–软件和更新–附加驱动
方法2:
https://www.geek-share.com/detail/2744029391.html
cuda和cudnn的安装
结合https://www.jianshu.com/p/973b25abd851
https://www.geek-share.com/detail/2743860860.html
cuda各个版本下载地址:
https://developer.nvidia.com/cuda-toolkit-archive
Anaconda的安装
https://www.geek-share.com/detail/2731344843.html
创建虚拟环境,安装tensorflow-gpu
(1) 使用conda指令创建虚拟环境
创建环境:conda create --name tf python=3.6
(tf为自定义虚拟环境的名字,python的版本自己输入python查询)
激活环境:source activate tf
退出环境:source deactivate
删除环境:conda remove -n tf --all
(2) tensorflow-gpu 安装
conda install tensorflow-gpu=1.12.0 conda install pytorch torchvision -c pytorch pip install keras
Pycharm的安装
https://blog.csdn.net/a_lazy_zhu/article/details/80151605
最后在pycharm中添加虚拟环境
相关文章推荐
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Ubuntu18.04安装CUDA9.0,cudnn7.1.3,opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
- ubuntu16.04深度学习环境的配置(Nvida gtx 750 Ti+Cuda9.0+Cudnn7.0)
- 深度学习环境配置:ubuntu 16.04 安装2080ti驱动 cuda9.0和cudnn7.3 anaconda3.7 tensorflow12.0
- Ubuntu 16.04 深度学习环境快速安装(NVIDIA驱动+cuda+cuDNN)
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- 深度学习ubuntu16.04,nvidia 7.05,cuda9.0,cudn7.05,环境搭建
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- 在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统(30分钟傻瓜版)
- 从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN)
- ubuntu16.04+双显卡驱动+cuda9.1+cudnn7.05深度学习环境配置
- Ubuntu 16.04:Pytorch环境搭建(NVIDIA驱动 + CUDA 9.0 + CUDNN 7.0 + Pytorch)
- win10+ubuntu18.04双系统+cuda10+cudnn7.4+tensorRT5深度学习环境
- 配置双系统深度学习环境(双硬盘GPT+UEFI+GTX1070+Linux Mint18.3+CUDA9.0+cuDNN7.0+Tensorflow-gpu)
- 深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3
- centos7搭建Cuda9.0 & Cudnn7.0.5 &Tensorflow1.6深度学习环境
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow