Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境
Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境
- Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境
- Ubuntu安装显卡驱动
- 安装CUDA10.1
- cuDNN7.6安装
- Anaconda3安装
- Tensorflow-gpu1.3安装
Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境
Ubuntu安装显卡驱动
Ubuntu安装显卡驱动的方式
使用标准Ubuntu仓库进行自动化安装 使用PPA仓库进行自动化安装 使用官方的NVIDIA驱动进行手动安装
这三种方式在安装的时候都进行了尝试,现主要介绍使用ppa仓库进行自动化安装的方式。
查看电脑显卡驱动信息
ubuntu-drivers devices
屏蔽开源驱动Nouveau
屏蔽nouveau的方式不只一种,我们所使用的是编辑/etc/modprobe.d/blacklist.conf,在文件最后添加以下内容:
blacklist nouveau
删除旧的NVIDIA驱动
#以下两个命令均可 sudo apt-get remove --purge nvidia-* sudo apt-get purge nvidia-*
安装对应的NVIDIA驱动
由于实验室的显卡为GeForce GTX 1080 Ti,所以进行了NVIDIA-430的安装:
注:在屏蔽开源驱动Nouveau后需要重启电脑
#加入ppa源 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update #使用以下命令可以查询到电脑支持的驱动版本 sudo apt-cache search nvidia | grep -oE "nvidia-[0-9]{1,3}" #注:此处需注意,尝试过使用sudo apt-get install nvidia-430,报错找不到package sudo apt-get install nvidia-driver-430 #安装完成后启用Nouveau,对于/etc/modprobe.d/blacklist.conf中的blacklist nouveau进行注释或者删除
注:在安装过程中如果报错fetch不到,则试用一下命令进行尝试
#以下两个命令均可使用 sudo apt-get update sudo apt-get upgrade --fix-missing
检查显卡驱动是否安装成功
此操作需要重启计算机,输入以下命令:
nvidia-smi
输出以下结果即为安装成功
安装CUDA10.1
在CUDA官网下载CUDA,由于操作系统为Ubuntu18.04 64位,而且显卡驱动为nvidia-430(注:cuda版本须于显卡驱动版本相匹配),所以安装CUDA10.1版本
输入以下命令进行cuda的安装
sudo sh cuda_10.1.168_418.67_linux.run
安装时选择不安装显卡驱动
安装完成以后,进行环境配置,编辑~/.bashrc,添加以下代码
export PATH=/usr/local/cuda-10.1/bin$PATH #注意,根据自己的cuda版本填写 export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64$LD_LIBRARY_PATH
使配置生效
source ~/.bashrc
测试cuda是否安装成功:
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
如下图Result为PASS,即为cuda安装成功
cuDNN7.6安装
在官网下载cuDNN适用与CUDA10.1版本的cuDNN,我们选用的是cuDNNv7.6.0(注:官网需要注册才能进行下载)
下载完成,使用以下命令进行解压操作
tar -zxvf cudnn-10.1-linux-x64-v7.6.0.64.tgz
随后将解压的文件复制到已安装的cuda文件夹中
#注意,解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内 sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ #增加所有用户对于文件的可执行权限 sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
Anaconda3安装
在Anaconda官网中进行下载,我们下载的为5.3版本。
安装Anaconda,使用以下命令:
bash Anaconda3-5.3.0-Linux-x86_64.sh
安装过程中,不断按enter键以及输入yes(注:对于Anaconda安装的路径,直接按enter键会安装到默认的路径,也就是当前用户的目录下,这
3ff7
样也就只有当前用户可以使用Anaconda,要多用户共享安装,选择其他路径),针对本实验室,使用公用的账号,所以保存在默认的位置。
检查Anaconda是否安装成功
conda info
Tensorflow-gpu1.3安装
本次安装tensorflow-gpu安装在base环境之下,未再添加虚拟环境
首先安装GPU条件:
sudo apt-get install libcupti-dev
添加清华镜像,加快下载速度
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
进入base环境
source activate base
安装tensorflow-gpu1.3
conda install tensorflow-gpu==1.3
安装后尝试效果,使用矩阵乘法进行测试
import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='1' a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a') b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b') c=tf.matmul(a,b) sess=tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))
运行结果显示程序在gpu上运行,证实tensorflow-gpu安装成功
至此,Ubuntu的Anaconda+CUDA+cuDNN+Tensorflow环境配置全部完成。
- 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
- N卡双显卡电脑装ubuntu15.04并配置Anaconda+Tensorflow+cuda+cuDNN的深度学习环境
- 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
- 利用anaconda配置cuda+cudnn+tensorFlow环境搭建
- Mask R-CNN项目环境配置| cuda+cudnn+Anaconda+tensorflow+keras--linux系统
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- Ubuntu 18.04 N卡驱动安装+CUDA10.0+cuDNN7.5+Anaconda+Tensorflow-GPU
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 【深度学习环境配置】Ubuntu16.04+CUDA8.0+CUDNN6.0安装OpenCV3+Anaconda3+Tensorflow+Caffe(一)
- ubuntu16.04 +NVIDIA驱动+cuda8.0+cudnn+andaconda+tensorflow(GPU版)+Spyder+pycharm全套配置
- Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细
- CUDA+CuDNN+Anaconda+tensorflow-gpu+opencv+darknet+Msys2+yolov3+paddlepaddle(虚拟机Ubuntu16.04)安装
- 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
- Ubuntu19.04+CUDA10.0+cuDNN7.5.0+anaconda+tensorflow—gpu安装教程 亲测可用
- Ubuntu16.04 +cuda8.0+cudnn+caffe+theano+tensorflow配置明细
- win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序(包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑)
- Ubuntu16.04 +cuda8.0+cudnn+caffe+theano+tensorflow配置明细
- 【那些年踩过的坑】服务器配环境:Ubuntu 16.04 + Titan Xp + CUDA 9.0 + cuDNN 7.1 + Tensorflow + Pytorch + MXNet
- [置顶] Ubuntu14.04+Anaconda+Cuda+Cudnn+Caffe环境搭建配置
- Ubuntu16.04+Anaconda3+TensorflowGPU+Cuda+Cudnn