最近給電腦裝了塊GTX 1080,打算重裝系統,然後把開發環境重新配置一邊,在這裏記錄一下,方便以後參考。
1 需要安裝的東西
1.1 開發環境
- GTX 1080的驅動
- CUDA
- Anaconda
- Tensorflow, TensorLayer
- IDE: Pycharm, Spyder, Sublime Text
- Jupyter Notebook
- 其他常用庫: Scikit-Learn, Pandas, Matplotlib, Seaborn
- Jupyter
1.2 其他
2 步驟
2.1 顯卡驅動和CUDA
參考:
ubuntu 16.04 + GTX 1080 DeepLearning工作站搭建
深度學習主機環境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
親測詳解ubuntu14.04+cuda8.0+gtx1080+caffe
- 下載GTX 1080最新驅動,
- 下載CUDA 8.0
- 此時顯示器接在集成顯卡的插口上
- CTRL+ALT+F1 然後登陸你的賬號
- 關閉 X server,
sudo service lightdm stop
sudo init 3
sudu sh NVIDIA-Linux-x86_64-375.39.run
- 重啓,顯示器插到顯卡上,正常輸入密碼登錄帳號進入圖形界面
- Ctrl + Alt + T 打開Terminal
sudo sh cuda_8.0.61_375.26_linux.run
- 注意剛纔已經裝過驅動了,這裏要選擇不安裝CUDA帶的驅動
- 安裝依賴:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
- 安裝完畢後,再聲明一下環境變量, 在終端輸入這兩句:
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
- 然後修改文件中環境變量設置
sudo vi /etc/profile
輸入上面export的兩句,保存,退出。
sudo ldconfig //環境變量立即生效
通過nvcc -V測試cuda是否安裝成功
2.2 安裝cuDNN
參考:
深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
- 下載cuDNN
- 安裝cuDNN比較簡單,解壓後把相應的文件拷貝到對應的CUDA目錄下即可:
tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*
2.3 安裝Anaconda
- 在Anaconda官網下載並安裝
bash Anaconda3-4.3.1-Linux-x86_64.sh
- 添加清華大學鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
2.4安裝Tensorflow
參考:
Tensorflow Install
1. 創建一個子環境,命名爲dl
conda create -n dl python=3.5 # 安裝3.6出現了錯誤
- 激活環境dl
source activate dl
- 安裝libcupti-dev library
sudo apt-get install libcupti-dev
- 使用pip安裝tensorflow
pip3 install tensorflow-gpu
2.5 安裝Tensorlayer
參考:
Tensorlayer Install
1. 這裏使用源碼安裝,首先在Github clone下來Tensorlayer源碼
git clone https://github.com/zsdonghao/tensorlayer.git
pip install -e .