您的位置: 首页  >  文章  >  在Ubuntu16.04中搭建GXT1080+CUDA9.0+cuDNN7.0.5+Anaconda3+Tensorflow(GPU)

在Ubuntu16.04中搭建GXT1080+CUDA9.0+cuDNN7.0.5+Anaconda3+Tensorflow(GPU)

分类: 文章 • 2024-02-28 21:14:46

     刚开始安装的时候也是入坑无数，找了好多资料安装好了后面也出现了一些问题;现在总结一下我自己的安装方法，为自己的系统以后出问题了方便找资料，也为了后面的小伙伴安装搭建环境有个参考，我们开始安装吧。

 

    步骤一：安装完双系统，开机的第一件事就是安装nvidia显卡

直接在终端依次执行以下命令：

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

     sudo apt-get update

     sudo apt-get install nvidia-384(我安装的是390，自己可以在后面选择需要的版本)

     sudo apt-get install mesa-common-dev

     sudo apt-get install freeglut3-dev

安装完成之后reboot一下，重启之后在终端输入nvidia-smi验证一下，查看显卡信息。

在Ubuntu16.04中搭建GXT1080+CUDA9.0+cuDNN7.0.5+Anaconda3+Tensorflow(GPU)

   

    步骤二：安装CUDA-9.0

1、CUDA的安装比较容易，官网下载9.0版本，选择对应系统，请下载runfile

在Ubuntu16.04中搭建GXT1080+CUDA9.0+cuDNN7.0.5+Anaconda3+Tensorflow(GPU)

2、在下载文件夹终端输入：

    sudo sh cuda_9.0.176_384.81_linux.run

    关键的地方来了，在安装的时候不要安装CUDA自带的显卡;第一个选择NO，后面3个都是YES。

 3、安装完成之后需要配置环境变量   

       在终端输入：

     sudo gedit   ~/.bashrc

       会打开一个文件，在这个文件的最后加入以下两行内容：

       export  PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

       export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
       可以直接复制粘贴过去，然后点击保存或者输入：

     source  ~/.bashrc

       在profile中也输入上面两行声明

     sudo gedit    /etc/profile

       保存退出，reboot一下。

 4、验证CUDA版本：9.0

       在终端输入：nvcc -V

 

    步驟三：安裝cuDNN

1、在官网下载，需要注册账号，目前提供的不同版本为：

在Ubuntu16.04中搭建GXT1080+CUDA9.0+cuDNN7.0.5+Anaconda3+Tensorflow(GPU)

      这里选择cuDNN v7.05[Dec 5,2017],for CUDA9.0;

      我自己安裝的是cuDNN  v7.0.5 Library for Linux，这里看自己喜欢什么版本吧;

      但是，CUDA-9.0版本的必须和cuDNN的7.0的版本对应起来。

2、在下载路径解压文件，复制到本地路径，这里解压出来的文件名比较重要

      在下载路径打开终端，依次执行一下命令：

  • $ tar -zxvf cudnn-9.0-linux-x64-v7.tgz

  • cuda/include/cudnn.h

  • cuda/NVIDIA_SLA_cuDNN_Support.txt

  • cuda/lib64/libcudnn.so

  • cuda/lib64/libcudnn.so.7

  • cuda/lib64/libcudnn.so.7.0.5

  • cuda/lib64/libcudnn_static.a

  • $ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

  • $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

3、到我们本地的cuda路径，进入lib64文件夹会有刚刚解压的文件，然后在终端打开依次执行以下命令：

  • $ sudo chmod +r libcudnn.so.7.0.5

  • $ sudo ln -sf libcudnn.so.7.0.5 libcudnn.so.7

  • $ sudo ln -sf libcudnn.so.7 libcudnn.so

  • $ sudo ldconfig

4、在本地cuda路径检测一下，在终端输入：ll

      安装成功会出现以下信息：

  • lrwxrwxrwx 1 root root 13 3月 19 16:02 libcudnn.so -> libcudnn.so.7*

  • lrwxrwxrwx 1 root root 17 3月 19 16:02 libcudnn.so.7 -> libcudnn.so.7.0.5*

  • -rwxr-xr-x 1 root root 287641664 3月 19 16:00 libcudnn.so.7.0.5*

   

    步骤四：安装Anaconda3

1、Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载;

      也可以去官网下载 https://www.anaconda.com/download/

      找到自己需要安装的Anaconda3的版本。

2、本次使用的是Anaconda3-5.0.0.1-Linux-x86_64.sh

       到下载路径在终端打开，执行以下命令：

  • bash Anaconda3-5.0.0.1-Linux-x86_64.sh

       全程yes，安装完成以后在终端输入:conda list   检测是否安装成功。

 

    步骤五：安装TensorFlow(GPU)

1、因为Python3.6版本的也可以用，对于有强迫症的我选择了安装

      添加源并更新命令行：

       sudo add-apt-repository ppa:fkrull/deadsnakes

       sudo apt-get update

       安装指定版本的python:

        sudo apt-get install python3.6 python3.6-dev

2、我只用了pip安装，源码安装太麻烦没有采用

       安装pip：

       sudo apt-get install python3-pip

       更新pip：

       sudo pip install   -upgrade pip

3、利用pip来安装tensorflow-gpu

       pip install tensorflow-gpu(默认下载最新的版本)

       pip install tensorflow-gpu==1.6.0(下载1.6版本的，想下载哪个版本自己定)

 

                                                总结

       在搭建环境中我遇到了许多问题，来来回回折腾了好几天;我重点说一下后面也许会出现的问题，在后面验证tensorflow安装成功没有，在导入时失败，可能的原因是numpy这个版本是1.13.1的，这个版本感觉问题很多，我今天把这个版本的卸载了以后安装其他版本的导入tensorflow就成功了。以下是我安装时浏览过的网站，觉得很有用就保留下来了，希望能帮助更多的小伙伴吧。

相关推荐