每次配置深度學習環境時,總是忘記安裝流程以及遇到各種各樣的bug和各種網上翻牆找解決方案,爲此,通過借鑑網上的各位前輩們辛苦的探索和分享的寶貴經驗,寫下該配置環境的詳細流程,避免自己以後重蹈覆轍,哈哈~
【電腦配置】
系統:Ubuntu16.04(英文版)
顯卡:GTX1080(顯卡必須是NVIDIA)
【需要的安裝包】
- NVIDIA-Linux-x86_64-390.25.run
- CUDA_8.0.61_375.26_linux.run
- CUDNN-8.0-linux-x64-v6.0.tgz
下載以上內容可以去各自的官網下載,
也可通過博主的百度盤下載【鏈接:https://pan.baidu.com/s/1525TvaZO3cVb6cyZuYP_ow 密碼:fdr9】
一、安裝顯卡驅動
在這提供兩種安裝方法:在線安裝和離線安裝,選擇其中一種即可。
【在線安裝】
Ubuntu系統Software&Update裏可以直接安裝NVIDIA驅動:
找到Software&Update應用
在Software & Updates->Additonal Drivers裏選擇第一個NVIDIA CorporationUsing NVIDIA binary driver-version 384.111 from nvidia-384(proprietary,tested),然後點擊Apply Changes進行在線安裝即可
【離線安裝】
到NVIDIA官網【https://www.nvidia.cn/Download】下載自己顯卡相對應的顯卡驅動,然後放到你的home目錄下:
禁用原始驅動:
sudo gedit /etc/modprobe.d/blacklist.conf
在blacklist.conf 文件裏面添加:
blacklist amd76x_edac
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv
卸載乾淨以前安裝過的NVIDIA所有驅動:
sudo apt-get remove šCpurge nvidia-*
Ctrl+Alt+F1切換到無圖形界面:
sudo service lightdm stop
sudo chmod +x ./NVIDIA-Linux-x86_64-390.25.run
sudo ./NVIDIA-Linux-x86_64-390.25.run//事先下載好的nvidia驅動
安裝完後,執行:
sudo nvidia-xconfig
如出現無法執行,安裝缺少的庫:
sudo apt-get install mesa-common-dev //安裝缺少的庫
sudo apt-get install freeglut3-dev
sudo update-initramfs -u
然後重啓電腦:
sudo reboot
【測試顯卡驅動】
nvidia-smi
若出現下面信息,恭喜您終於成功安裝顯卡驅動:
二 、安裝CUDA8.0
首先到CUDA官網【https://developer.nvidia.com/cuda-downloads】下載對應版本的CUDA Toolkit:
(注意:如果後面您需要安裝caffe的話,CUDA版本應選擇低版本的CUDA8.0,最新的CUDA9.0或以上在caffe編譯的時候會出現各種bug,博主這在此建議安裝CUDA_8.0.61_375.26_linux.run)
安裝相關依賴庫:
sudo apt-get install build-essential libgl1-mesa-dev
sudo apt-get install freeglut3-dev
sudo apt-get install libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev
安裝cuda:
(注意,注意,注意,重要的事情說三遍:安裝過程中,按q退出條款瀏覽,輸入accept接受條款後,一定要輸入n不安裝NVIDIA圖像驅動,因爲前面已經安裝了,其餘剩下的都輸入y)
sudo chmod +x ./CUDA_8.0.61_375.26_linux.run
sudo sh ./CUDA_8.0.61_375.26_linux.run
配置環境變量:
sudo gedit /etc/profile
在打開的文件中添加如下語句:
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH
創建鏈接文件:
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打開的文件中添加如下語句:
/usr/local/cuda/lib64
然後執行,使鏈接立即生效,重啓電腦:
sudo ldconfig
sudo reboot
重啓後,修改/usr/local/cuda-8.0/samples/common下的findglib.mk文件:
(將findglib.mk文件中的UBUNTU_PKG_NAME = “nvidia-375”修改爲UBUNTU_PKG_NAME = “nvidia-384”)
sudo gedit /usr/local/cuda-8.0/samples/common/findgllib.mk
創建軟鏈接:
sudo ln -s /usr/lib/nvidia-384/libnvcuvid.so /usr/lib/libnvcuvid.so
sudo ln -s /usr/lib/nvidia-384/libnvcuvid.so.1 /usr/lib/libnvcuvid.so.1
測試CUDA:
nvcc -V
若出現以下信息,表示成功安裝CUDA:
跑跑CUDA中的例子,嘗試下GPU的感覺:
cd /your_path/NVIDIA_CUDA-8.0_Samples
make -j
cd ./bin/x86_64/linux/release
./deviceQuery
刷刷刷的出現了以下信息,爽不爽~:
三 、安裝CUDNN v6.0
解壓CUDNN-8.0-linux-x64-v6.0.tgz,然後執行下面命令:
cd ./cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -sf libcudnn.so.6 libcudnn.so
以上深度學習的環境配置安裝就全部完成啦~\(≧▽≦)/~…
下一篇將會介紹Opencv3+Anaconda3+Tensorflow+Caffe等深度學習框架安裝的詳細過程。