文章目录
- 前言
- 环境安装
- 1.1 Nvidia Driver安装,CUDA9.0+CUDNN7.6
- 1.1.1 安装NVIDIA显卡驱动
- 1.1.2 安装CUDA9.0+CUDNN7.6
- 1.2 Anaconda3安装和虚拟环境配置
- 1.2.1 Anaconda3安装
- 1.2.2 Tensorflow环境配置
- 1.2.3 Pytorch环境搭建
前言
为方便开展基于Ubuntu18.04上的深度学习研究,在此记录一下学习的第一步——环境配置。以便后面重装参考。
PC环境参数:
- gpu:GTX 1060 6G
- cpu:Intel® Core™ i7-8700 CPU @ 3.20GHz × 12
- 内存:16GB
- Ubuntu版本:18.04.3LTS
- NVIDIA驱动版本:390.116
- cuda版本:cuda_9.0.176_384.81_linux
- cudnn版本:cudnn-9.0-linux-x64-v7.1
环境安装
1.1 Nvidia Driver安装,CUDA9.0+CUDNN7.6
1.1.1 安装NVIDIA显卡驱动
打开ubuntu的“软件和更新”:
- 切换为国内源,方便下载
- 选择附加驱动,选择nivdia-driver-390,再选择“应用更改”,等待安装完成,重启即可。
- 在终端输入
nvidia-smi
查看是否安装成功
1.1.2 安装CUDA9.0+CUDNN7.6
1.下载cuda9.0和cudnn7.6 for linux的相应版本,可到官网下载。这里提供百度网盘链接。
链接:https://pan.baidu.com/s/1YEKfuI_0_8PrWWtEAb3INA&shfl=sharepset 密码:grxl
2.对ubuntu18.04的gcc/g++进行版本管理,降级:
(1)查看当前版本,打开终端依次输入:
cd /usr/bin
ls -l gcc*
ls -l g++*
(2)安装4.8版本,打开终端:
sudo apt-get install g++-4.8
sudo apt-get install gcc-4.8
(3)在编译cuda之前将gcc/g++链接到4.8版本
sudo mv gcc gcc.bak #backup
sudo ln -s gcc-4.8 gcc #link to 4.8
sudo mv g++ g++.bak #backup
sudo ln -s g++-4.8 g++ #link to 4.8
(4)解压在 1 中的下载的压缩包,安装cuda9.0
cd /home/yoursuser/Downloads
sudo sh cuda_9.0.176_384.81_linux.run
- 然后一路回车,再aceept , yes,再选择no
- 装补丁文件,同上
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run
3.修改环境变量
- 打开环境配置文本
sudo nano ~/.bashrc
- 在最后面添加下面两行代码:
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}}
ctrl+o,写入,Y保存,ctrl+x离开
4.配置cudnn7.6
- 解压cudnn-9.0-linux-x64-v7.6.3.30.tgz,复制cudnn里cuda的文件到相关文件夹内,执行如下代码
sudo cp /home/librazxc/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp /home/librazxc/Downloads/cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo chmod a+r /home/librazxc/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
sudo ldconfig
sudo reboot
5.打开终端输入nvcc -V
,显示如下。
至此,显卡配置安装成功。
1.2 Anaconda3安装和虚拟环境配置
1.2.1 Anaconda3安装
1.下载 Anaconda3-2019.07-Linux-x86_64.sh, 官网下载
cd Downloads/
bash Anaconda3-5.2.0-Linux-x86_64.sh
2.进入注册信息页面,回车,输入yes,输入回车,这里采用默认位置安装。
3.重启终端,即可使用Anaconda3,修改conda国内源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config -set show_channel_urls yes
1.2.2 Tensorflow环境配置
(1)创建tensorflow虚拟环境
- 打开终端,输入:
conda create -n tf112py36 python=3.6
,创建环境,为匹配tensorflow,python版本选择3.6版本。 - 激活环境
conda activate tf112py36
(2)修改pip源
- 创建 ~/.pip/pip.conf
cd ~
mkdir .pip
sudo nano ~/.pip/pip.conf
- 在pip.conf添加以下内容
[global]
timeout = 60
index-url = http://pypi.douban.com/simple
trusted-host = pypi.douban.com
(3)安装tensorflow-gpu和相应的依赖包
pip install tensorflow-gpu==1.12
pip install cython contextlib2 pillow lxml jupyter matplotlib pandas opencv-contrib-python
pip install pycocotools -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
(4)测试tensorflow是否安装成功。输出True,如图:
1.2.3 Pytorch环境搭建
(1)创建Pytorch虚拟环境
打开终端,输入:conda create -n pytorchpy37python=3.7
,创建环境。
(2)激活环境
conda activate pytorchpy37
输入conda install pytorch torchvision cudatoolkit=9.0
,再输入y即可进入安装。这里用国内源因此没有像官网那样输入-c pytorch
。
(3)测试是否安装成功,True成功。