文章目录

  • 1 cuda的安装
  • 2 CUDNN的安装
  • 3 Anaconda3安装
  • 4 安装 tensoflow-gpu
  • 4 安装 opencv
  • 4 安装 pytorch


1 cuda的安装

首先安装CUDA,我安装的是8.0版本

(1)下载CUDA网址:官网如下
https://developer.nvidia.com/cuda-80-ga2-download-archive 或者链接:https://pan.baidu.com/s/19BjPkSU2FJObF9avp6Z-ug 密码:70w9
下载的CUDA文件名为:cuda_8.0.61_375.26_linux.run
(2)下载的cuda_8.0.61_375.26_linux.run执行命令行:

sh cuda_8.0.61_375.26_linux.run

如下图:

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容


回车,一直按空格跳到下图形式:

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_02


然后会需要输入一些要求,如下图:

cuda python torch兼容 cuda8.0 pytorch_tensorflow_03


安装成功之后如下图:

cuda python torch兼容 cuda8.0 pytorch_linux_04


(3)安装结束后添加环境变量(我用的vim)

vim /etc/profile

如下图:

cuda python torch兼容 cuda8.0 pytorch_cuda_05


进入的虚拟环境如下:

cuda python torch兼容 cuda8.0 pytorch_cuda_06


然后按shift+g跳到,文件末尾,按insert键在末尾添加如下两条命令:

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

如下图:

cuda python torch兼容 cuda8.0 pytorch_tensorflow_07


然后点击Esc键,并输入:wq保存并退出虚拟环境。

(4)接下来使用 source 使其生效

source /etc/profile

如下图:

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_08


(5)查看下 cuda 的版本,有三种方式:

nvcc -V
nvcc --version
cat /usr/local/cuda/version.txt

如下图,到此cuda安装成功:

cuda python torch兼容 cuda8.0 pytorch_tensorflow_09

2 CUDNN的安装

(1)要下载与上述cuda相兼容的版本,我下载的是cudnn-8.0-linux-x64-v6.0.tgz,下载链接是或者在百度云盘下载,链接:http://pan.baidu.com/s/1dFs8o4D 密码:a0da
(2)下载好之后,因为是压缩包,所以要解压:

tar -xvzf cudnn-8.0-linux-x64-v6.0.tgz

解压后是cuda文件夹,如下图:

cuda python torch兼容 cuda8.0 pytorch_tensorflow_10


(2)解压后执行一下下边的三行命令:

cd cuda
cp include/cudnn.h /usr/local/cuda/include
cp lib64/libcudnn.* /usr/local/cuda/lib64

如下图:

cuda python torch兼容 cuda8.0 pytorch_cuda_11


(3)CUDNN安装完成,查看下版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

结果如下图:

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_12


cudnn安装完毕。

3 Anaconda3安装

(1)下载官网:https://www.continuum.io/downloads
我下载的是Anaconda3-5.0.0.1-Linux-x86_64.sh
(2)下载好之后执行命令:

sh Anaconda3-5.0.0.1-Linux-x86_64.sh

如下图:

cuda python torch兼容 cuda8.0 pytorch_pytorch_13


然后按提示一步步来:

cuda python torch兼容 cuda8.0 pytorch_pytorch_14


按空格到最后,按提示操作:

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_15


cuda python torch兼容 cuda8.0 pytorch_pytorch_16


(3)最后出现是否添加环境变量选择yes,如果选择了no,可以之后手动添加,方法如下(我这里选择了no,如(2)的最后一个图):

vim ~/.bashrc

如下图,可以使用该命令进入虚拟环境

cuda python torch兼容 cuda8.0 pytorch_pytorch_17


在最后添加(如果选的是yes,最后是有这一句话的):

export PATH=$PATH:/home/userName/anaconda3/bin:$PATH

cuda python torch兼容 cuda8.0 pytorch_pytorch_18


按:wq保存退出。

(4)接下来使用source使其生效:

source ~/.bashrc

cuda python torch兼容 cuda8.0 pytorch_tensorflow_19


(5)之后可查看pip版本:

pip -V

4 安装 tensoflow-gpu

超级加速(★★★★★推荐)
让PIP源使用国内镜像,提升下载速度和安装成功率。对于Python开发用户来讲,PIP安装软件包是家常便饭。但国外的源下载速度实在太慢,浪费时间。而且经常出现下载后安装出错问题。所以把PIP安装源替换成国内镜像,可以大幅提升下载速度,还可以提高安装成功率。

国内源:
新版ubuntu要求使用https源,要注意。

  • 清华:https://pypi.tuna.tsinghua.edu.cn/simple
  • 阿里云:https://mirrors.aliyun.com/pypi/simple/
  • 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  • 豆瓣:http://pypi.douban.com/simple/

我使用的是阿里云的镜像来安装tensorflow1.8.0版本:

pip install tensorflow-gpu==1.8.0 -i https://mirrors.aliyun.com/pypi/simple/

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_20

4 安装 opencv

conda install opencv

cuda python torch兼容 cuda8.0 pytorch_cuda python torch兼容_21

4 安装 pytorch

pip install torch torchvision -i https://mirrors.aliyun.com/pypi/simple/