Ubuntu深度学习配置
Ubuntu18.04 64位常用软件配置;
1.sougou
1)dpkg -i sogoupinyin_2.2.0.0108_amd64.deb
2)apt-get install -f
3)dpkg -i sogoupinyin_2.2.0.0108_amd64.deb
4)设置-语言选项-管理已经安装语言-选择fictx;
5)reboot
6)ctrl+space切换输入法;
2.系统配置
1)系统再次启动后一般会弹出更新,进行更新后再安装其他软件,记得重启;
2)设置-Dock-底部 通用辅助功能-大号字体;
3)flash安装:sudo apt-get install flashplugin-installer
3.wechat等常用Windows软件;
1)首先安装sudo apt install wine64运行环境后失败;
参考:https://www.lulinux.com/archives/1319进行安装;
2)https://github.com/wszqkzqk/deepin-wine-ubuntu 下载;
3)./install.sh
4)dpkg -i deepin.com.qq.im_8.9.19983deepin23_i386.deb
dpkg -i teamviewer_14.2.8352_amd64.deb
dpkg -i deepin.com.wechat_2.6.2.31deepin0_i386.deb
注意不要以root权限安装;-----------------------
4.cuda安装;注意驱动版本必须和cuda相关匹配
1)apt --fix-broken install修理;
2)apt-get install gcc
3)apt-get install g++
4)apt-get install make
5)https://www.nvidia.cn/Download/index.aspx?lang=cn下载英伟达驱动;
6)sh NVIDIA-Linux-x86_64-410.66.run 注意这里是10.0cuda;
7)sudo apt install nvidia-cuda-toolkit
8)sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
9)https://developer.nvidia.com/cuda-90-download-archive 下载9.0
10)sh cuda_9.0.176_384.81_linux.run --override进入后输入q,输入accept进行安装;
注意不要选择驱动
11)cat /usr/local/cuda/version.txt 进行验证;
12)sudo gedit ~./bashrc
13)gedit ~/.bashrc添加
export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
14)source ~/.bashrc
5.cudnn安装;
1)进入https://developer.nvidia.com/rdp/cudnn-download下载对应版本,需要注册;
2)解压后执行:
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
执行重启操作;
3)执行cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 进行查看,输出以下信息表示正常:
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
6.Anaconda安装;
1)sh Anaconda3-2018.12-Linux-x86.sh 安装时注意联网安装vscode,否则容易异常;
2)gedit ~/.bashrc
PATH="/root/anaconda3/bin:$PATH"
source ~/.bashrc
3)sudo apt install python3-pip
4)conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
执行失败:
PackagesNotFoundError: The following packages are not available from current channels:
- pytorch
此问题主要原因是在安装Anaconda时没有选择最新版本,导致旧版本找不到下载路径,下载最新版本即可;
安装完成后执行上面4);
7.skimage安装;
1)执行:conda install scikit-image 失败
2)anaconda search -t conda skimage
3)conda install --channel https://conda.anaconda.org/DavidMertz accelerate-skimage
8.vscode配置;
1)配置中文,icons,Python扩展,安装pylint等;
2)配置Python编译器路径:
3)安装Path Intellisense,提供路径自动补全功能;安装topper;安装Bracket Pair Colorizer;
4)若配置后无法选择Python,首先配置Python环境变量,其次使用非管理员权限安装。
5)若pylint异常或绿色波浪线,按F8可以查看错误信息,则settinng.josn配置为:python.linting.pylintPath": "/home/redlove/anaconda3/bin/pylint"
9.pytorch配置:
1)conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
10.tensorflow,keras安装:
1)conda install tensorflow-gpu keras
11.chrome安装:
sudo wget http://www.linuxidc.com/files/repo/google-chrome.list -P /etc/apt/sources.list.d/
wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add
sudo apt update
sudo apt install google-chrome-stable
最后配置翻译选项;
- win7 远程配置ubuntu14 python keras tensorflow 深度学习
- (转)深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
- 深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
- Ubuntu 14.04.3 深度学习环境配置
- 深度学习主机配置 gtx1080 + cuda + tensorflow + ubuntu16
- 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080/980ti+CUDA8.0
- ubuntu16.04深度学习环境的配置(Nvida gtx 750 Ti+Cuda9.0+Cudnn7.0)
- 【深度学习】Ubuntu环境下Tensorflow的安装以及与Pycharm的相互配置
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- 深度学习主机配置 gtx1080 + cuda + tensorflow + ubuntu16
- 深度学习tensorflow环境配置:Ubuntu 16.04 LTS + GTX 1080 Ti,2017年11月
- 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- 深度学习tensorflow环境配置:Ubuntu 16.04 LTS + GTX 1080 Ti,2017年11月
- 深度学习_caffe-ubuntu-GPU 配置环境(0)
- 在ubuntu中配置深度学习python图片分类实验环境
- 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
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070
- 深度学习框架Caffe配置:Ubuntu 16.04+CUDA8.0+cuDNN5.1+OpenCV3.1+Anaconda+Octave4.0.3
- 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)