1. 環境配置說明
幾乎花了一整天時間來配置環境,看了很多中文/英文的教程,重裝了n次系統才終於裝好環境。以下教程採用真機進行配置,並且不使用虛擬環境。
2. 安裝 Python3.6 ,Pip3
首先安裝python3.6 與 pip3:
$ sudo apt-get install python3
$ sudo apt-get install python3-pip
3. 安裝顯卡驅動
- 添加源
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
- 查看可用驅動
使用如下命令來查看可用驅動:
$ ubuntu-drivers devices
- 安裝驅動
從可用驅動中選擇一個來安裝,安裝完請重啓(必須)
$ sudo apt-get install nvidia-driver-396
重啓後使用如下命令查看顯卡信息,可以顯示則安裝成功
sudo nvidia-smi
!注意,如果顯卡驅動安裝失敗,看看之前是否安裝過其他顯卡驅動,先卸載乾淨後再嘗試安裝。
4. 安裝cuda
-
下載 cuda 9.0
去 官網下載安裝文件,如圖所示:
千萬注意,下載選擇 runfile, 避免莫名其妙的錯誤。 降低 gcc 版本
由於gcc高版本會不兼容cuda9.0,需要安裝低版本gcc,看一下gcc的版本:
$ g++ --version
如果大於5,就需要安裝低版本的gcc:
$ sudo apt-get install gcc-5
$ sudo apt-get install g++-5
$ sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
$ sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50
然後再次查看替換是否成功:
$ g++ --version
- 安裝依賴庫
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
- 安裝cuda
$ sudo sh cuda_9.0.176_384.81_linux.run
注意安裝過程中問是否安裝顯卡驅動要選擇爲: n
- 安裝vim
$ sudo apt-get install vim
- 用vim寫入路徑(i:進入編輯 esc:退出編輯 :wq 保存退出)
$ sudo vim ~/.bashrc
在文檔最後加入:
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}}
export LD_LIBRARY_PATH=LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64/
不習慣用vim 也可以使用 gedit編輯。
5. 安裝 cuDNN
到官網下載 cuDNN,需要註冊。對應選擇9.0,如圖所示:
下載如圖所示的三個包:
然後進入所在目錄安裝三個包 ,代碼爲示例,請根據您下載的真實的文件名安裝:
$ sudo dpkg -i libcudnn7_7.0.+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.0-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.0-1+cuda9.0_amd64.deb
安裝好後用如下代碼進行測試,顯示pass就意味着安裝成功:
$ cp -r /usr/src/cudnn_samples_v7/ $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN
6. 安裝 tensorflow-gpu , keras
安裝代碼如下,速度慢的話請自行更換pip源
$ pip3 install tensorflow-gpu
$ pip3 install keras
7. 安裝vscode
去官網下載deb安裝包,雙擊安裝。進入vscode 後安裝python插件,注意確保您目前的環境是在您自己安裝的python3.6下:
8. 測試
在vscode 裏新建一個 test.py 文件, 輸入如下代碼:
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
按F5 運行,出現顯卡信息則環境配置成功。
enjoy coding ~~~~~
ps:如果遇到疑難雜症歡迎交流:-D