配置環境之前要做的工作是知道自己的顯卡信息,然後再去官網下載對應版本NVIDIA版本驅動
1、查看顯卡信息
nvidia- smi
2、下載對應版本顯卡驅動
NVIDIA驅動下載鏈接 https://www.nvidia.cn/Download/index.aspx?lang=cn
3、禁用開源nouveau驅動
1)打開終端,先刪除舊的驅動:
sudo apt-get purge nvidia*
2)禁用自帶的 nouveau nvidia驅動
lsmod | grep nouveau
3)創建一個文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
4)添加如下內容:
blacklist nouveau
options nouveau modeset=0
5)保存文件退出,執行下面命令更新一下
sudo update-initramfs -u
6)重啓電腦,打開終端再次輸入命令
lsmod | grep nouveau
如果發現什麼都沒顯示,那麼說明禁用nouveau 成功了,
4、安裝NVIDIA顯卡驅動
1)首先按Ctrl+Alt+F1進入控制檯,輸入用戶名密碼登陸,執行下面命令關閉圖形界面
sudo service lightdm stop
然後cd切換到存放顯卡驅動文件的路徑,運行安裝文件:
sudo sh NVIDIA-Linux-x86_64-390.42.run --no-opengl-files
必須加上 --no-opengl-files ,否則會出現循環登錄(登錄之後再退出到登錄界面)
5、網上查找tensorflow-gpu所對應的cuda和cudnn版本關係
tensorflow-gpu 1.4版本爲分界線,需要cuda8 和 cudnn6,tensorflow-gpu 1.5版本以上都需要cuda9和cudnn7
6、cuda下載
下載鏈接
https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu
7、安裝cuda
1)按Ctrl+Alt+F1進入控制檯,輸入用戶名密碼登陸,執行命令關閉圖形界面
sudo service lightdm stop
2)跳轉到存放文件的路徑運行安裝文件
sudo sh cuda_9.0.176_384.81_linux.run
3)安裝開始以後,首先是一個協議,一直按空格到底以後,輸入accept。其他的操作如下所示:
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y
第二個安裝顯卡驅動一定要選擇no,否則之前安裝的驅動就白裝了,有默認選項的直接選擇默認選項就可以了(直接回車)
4)安裝完成後,打開圖形界面配置環境變量,運行如下命令打開profile文件
sudo service lightdm start //打開圖形界面
sudo gedit /etc/profile
5)打開文件後在文件末尾添加路徑,命令如下:
export PATH=/usr/local/cuda-9.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
根據自己安裝的cuda版本,可以將9.0改爲8.0或者10.0, 根據自己安裝的cuda版本來進行更改
6)保存
sudo ldconfig
7)重啓電腦
sudo reboot
8)查看版本
nvcc --version
9)編譯例子測試
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
8、卸載cuda(可選)
1)如果安裝錯了版本,卸載操作如下:
sudo apt-get remove cuda
sudo apt-get autoclean
sudo apt-get remove cuda*
2)在目錄切換到/usr/local/下
cd /usr/local/
sudo rm -r cuda-9.2
3)添加下環境變量
sudo gedit ~/.bashrc
4)打開文件後,將下面內容添加到文件的最後面,保存後退出
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}}
5)設置環境變量和動態鏈接庫
sudo gedit /etc/profile
6)在打開的文件末尾加入:
export PATH=/usr/local/cuda/bin:$PATH
7)創建鏈接文件:
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打開的文件中添加如下語句:
/usr/local/cuda/lib64
8)執行,使鏈接立即生效
sudo ldconfig
9、下載獲取cudnn
下載地址:https://developer.nvidia.com/rdp/cudnn-archive
下載自己對應的CUDA版本的cudnn文件
這裏選擇 cuDNN v7.0.5 Library for Linux
注意:
千萬別選[Power8]的版本,這個是給Power8處理器使用的,由於v7.1.2版本還沒提供普通版本,所以就下載了v7.0.5
這裏下載是需要註冊登陸的
10.安裝cudnn
1)解壓文件cudnn-9.0-linux-x64-v7.tgz,並且複製到cuda路徑中
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
2)更新網絡連接:
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.7.0.5 //自己查看.so的版本 對應更改
sudo ln -sf libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig
3)測試
nvcc -V
若出現版本信息則表示安裝成功
11、安裝Anaconda
1)下載安裝包
Anaconda 安裝包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下載
2)進入到相應文件夾進行安裝
bash ./Anaconda3-5.0.0-Linux-x86_64.sh
3)更改環境變量
sudo gedit ~/.bashrc
在末端輸入
export PATH="/home/coder/anaconda3/bin:$PATH"
4)生效
source ~/.bashrc
4)更換源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
12、卸載Anaconda(可選)
1)刪除整個anaconda目錄:
由於Anaconda的安裝文件都包含在一個目錄中,所以直接將該目錄刪除即可。到包含整個anaconda目錄的文件夾下,刪除整個Anaconda目錄:
rm -rf anaconda文件夾名
2)建議清理下.bashrc中的Anaconda路徑:
到根目錄下,打開終端並輸入:
sudo gedit ~/.bashrc
在.bashrc文件末尾用#號註釋掉之前添加的路徑(或直接刪除):
export PATH=/your/path/to/anaconda3/bin:$PATH
保存並關閉文件 使其立即生效,在終端執行:
source ~/.bashrc
3)關閉終端,然後再重啓一個新的終端,這一步很重要,不然在原終端上還是綁定有anaconda.
13、安裝tensorflow
1)建立獨立環境
conda create -n tensorflow python=3.6
2)進入環境
source activate tensorflow
3)安裝
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple (更換源安裝很快)
4)測試代碼
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
14、安裝numpy matplotlib pandas
1)進入環境
source activate tensorflow
2)安裝
pip install keras
pip install matplotlib
pip install pandas
3)測試keras
import keras
若出現Using TensorFlow backend 輸出,則說明安裝keras-gpu安裝成功,這是機器上當前GPU設備的情況。