雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程+Anaconda3搭建深度学习环境tensorflow-gpu
雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程
雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程
1、ubuntu16.04安装
1.1、ubuntu16.04下载
建议大家直接到ubuntu官网下载ubuntu的安装包
链接: https://releases.ubuntu.com/16.04/ubuntu-16.04.6-desktop-amd64.iso.
1.2、安装U盘制作
UltraISO下载并制作安装,官网下载或者直接在网上下载UltraISO,打开后点击使用就行。为避免后面无法使别到U盘,制作过程中需将写入方式应选择USB-ZIP,详细步骤请参考博客: https://blog.csdn.net/fu6543210/article/details/79722615。
1.3、ubuntu16.04安装
出现开机画面时按F2进入bios界面,将Secure Boot设置为Disabled,F10保存并退出。重启计算机,出现开机画面按住F12,选择U盘启动。接下来根据提示安装ubuntu16.04,详情请参考链接: https://blog.csdn.net/lingyunxianhe/article/details/81415675。分区大小根据需求和硬件自行修改。
2、识别不到无线网卡
雷神新911PRO晖金二代显卡是intel WIFI6 AX201,安装ubuntu16.04后会出现无线网卡无法识别的现象,左上角没有无线图标或者没有连接wifie的选项。先通过有线安装无线网卡,无线网卡为ubuntu官方给出的linux-firmware_1.187_all.deb,详情请参考博客链接:
https://blog.csdn.net/dieju8330/article/details/101422743.
3、RTX2070S显卡驱动安装
3.1、驱动下载
从NVIDIA官网下载驱动(我安装的NVIDIA-Linux-x86_64-440.82.run),链接: https://www.geforce.cn/drivers.选择合适的版本下载,放在英文目录下,后续操作可能无法识别中文目录。
3.2、驱动安装
如果之前有安装驱动,需要先卸载旧版本驱动,没有就不用:
$sudo apt-get remove nvidia-*
$sudo apt-get autoremove (加上才能卸载干净原驱动)
禁用Nouveau,还有一种方法是在/etc/modprobe.d/blacklist.conf的最后一行加上
blacklist nouveau
options nouveau modeset=0
然后使其生效:
$sudo update-initramfs -u
使用这个命令看是否有输出,如果没有证明禁用成功
$lsmod | grep nouveau
开始安装
输入CTRL+ALT+F1进入文本模式
关闭显示服务:
$sudo service lightdm stop
$cd 文件目录
权限:
$chmod a+x NVIDIA-Linux-x86_64-418.43.run
这里注意用自己的安装包名称
$sudo ./NVIDIA-Linux-x86_64-418.43.run -no-opengl-files
安装过程中:
在NVIDIA驱动安装过程中,依次的选项为:
选:accept(注:白色为选中,不是红色)
The distribution-provided pre-install script failed … …
选:Continue installation
Would you like to run the nvidia-xconfig utility to automatically update your X Configuration file so set the NVIDIA X driver will be used when you restart X?
选:NO
Install 32-Bit compatibility libraries?
选:NO
启动显示服务
$sudo service lightdm restart(将自动跳转到桌面)
查看Nvidia驱动是否安装成功
$nvidia-smi
显示信息的话表示安装成功
3、深度学习环境安装
3.1 安装Anaconda3
官网下载链接:
https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh。
下载后在Anaconda3-2020.02-Linux-x86_64.sh文件目录下开始安装
// An highlighted block bash Anaconda3-2020.02-Linux-x86_64.sh
详情可参考链接:
https://blog.csdn.net/u012318074/article/details/77074665.
3.2 安装tensorflow-gpu
直接跳过cuda和cudnn的安装,通过conda install tensorflow-gpu一步到位。如果只是使用官方源的话可能会很慢,导致超时,因此需要添加其他的源,如清华提供的源:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/。更多的源可以参考https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
// An highlighted block conda install tensorflow-gpu;
3.3 深度学习环境测试
测试程序为
import tensorflow as tf import timeit with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) print(cpu_a.device, cpu_b.device) with tf.device('/gpu:0'): gpu_a = tf.random.normal([10000, 1000]) gpu_b = tf.random.normal([1000, 2000]) print(gpu_a.device, gpu_b.device) def cpu_run(): with tf.device('/cpu:0'): c = tf.matmul(cpu_a, cpu_b) return c def gpu_run(): with tf.device('/gpu:0'): c = tf.matmul(gpu_a, gpu_b) return c # warm up cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('warmup:', cpu_time, gpu_time) cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('run time:', cpu_time, gpu_time)
通过watch -n 1 nvidia-smi 命令实时查看GPU运行情况,运行上面程序,GPU使用情况发生变化则深度学习环境搭建成功。
上述为个人在雷神新911PRO晖金二代win10+ubuntu16.04搭建深度学习环境所踩的坑,通过博客记录下来供以后参考和广大博友避坑。第一次写博客,若有错误望批评指正,博客内容若有侵权请联系删除
- DL之IDE:深度学习之计算机视觉开发环境搭建的详细流程(Ubuntu16.04+cuda9.0+cuDNN7.4.2+tensorflow-gpu)
- 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
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- Ubuntu16.04深度学习环境搭建gtx1080+N卡驱动384.130+cuda9.0+cudnn7.5.0.56+Anaconda3.5.1+tensorflow-gpu1.8+pycharm
- Ubuntu16.04搭建深度学习环境(显卡NVIDIA GeForce RTX 2060+cuda9.0+cudnn7.3.1+tensorflow-gpu1.10)
- 暗影精灵双系统(win10和Ubuntu16.04)安装+Cuda和tensorflow安装-深度学习环境配置
- Ubuntu18.04安装CUDA9.0,cudnn7.1.3,opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
- 【深度学习】Ubuntu16.04+Anaconda安装+换源+环境创建+tensorflow安装(3)
- linux系统下深度学习环境的搭建Ubuntu16.04+1070Ti+CUDA9.0+CUDNN
- windows10系统下Anaconda3安装以及tensorflow环境搭建教程
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source
- Ubuntu 18.04 搭建带GPU的TensorFlow、Keras、Pytorch深度学习开发环境(不用手动安装cudnn和cuda)
- 深度学习环境配置Ubuntu16.04+CUDA8.0+CuDNN+Anaconda2+openCV2.4.9+caffe(全离线GPU版)
- (详细)Ubuntu 16.04 | 配置深度学习环境 | 安装windows常用软件 | 常见问题的解决| 双系统彻底卸载Ubuntu
- 【深度学习环境配置】Ubuntu16.04+CUDA8.0+CUDNN6.0安装OpenCV3+Anaconda3+Tensorflow+Caffe(一)
- (通用)深度学习环境搭建:tensorflow安装教程及常见错误解决
- 深度学习实战 1-搭建Ubuntu16.04+Anaconda(内嵌Python3.6)+tensorflow
- ubuntu下tensorflow-gpu环境搭建(通过anaconda,手动安装或环境含有cuda和cudnn)
- Vmvare + Ubuntu 16.04环境搭建 + 相关软件安装配置笔记【深度学习】
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境