深度学习环境搭建：linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook

最新推荐文章于 2024-03-11 15:25:56 发布

yxnd150150

最新推荐文章于 2024-03-11 15:25:56 发布

阅读量3.3k

点赞数 1

分类专栏：深度学习文章标签：深度学习 deeplearning github cuda ubuntu

本文链接：https://blog.csdn.net/yxnd150150/article/details/75022157

版权

深度学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文主要介绍了linux系统下深度学习系统的搭建，主要的安装思路如下：

linux系统安装：

首先安装当下热门的linux操作系统Ubuntu16.04，系统下载的链接如下：

https://www.ubuntu.com/download/desktop

（一）显卡驱动安装：

安装完系统后，安装1080ti的显卡驱动，可以在Nvidia的官网下载到驱动

下载完成后，把文件放在系统的默认文件夹下，作者把文件放在home下，nvidia官网的下载的界面如下：

然后进入linux的指令操作界面，首先我们关闭X-server，如果不关闭无法进行显卡驱动的安装，输入：

sudo lightdm stop

然后安装刚刚下载完成的1080ti的驱动，假设你下载下来的文件名是：1080ti.run

chmod +x 1080ti.run
sudo ./1080ti.run

这里注意：安装时会出现类似于“”安装用户须知“”的文档，一直按“”enter“”是没法跳过的，直接用“ctrl+c”跳过，然后输入“”accept“”

（二）CUDA安装：

CUDA的安装一切以官方文档为准，若遇到问题，没有办法的话可以参考官方文档：

http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf

GCC降级

在安装CUDA前，需要对ubuntu的GCC进行降级，否则CUDA无法编译通过，我第一次安装就是因为GCC未降级，跑mnist时未能调用GPU运行。具体参见如下链接：

http://www.cnblogs.com/xujianqing/p/6142963.html

软件安装

为了加速训练时的速度，接着我们进行cuda和cudnn的安装，进入nvidia的官网，下载cuda，作者选择的配置如图所示：

如果你的文件名为：cuda_8.0.61_375.26_linux.run

那么进入命令行界面，输入：

chmod +x cuda_8.0.61_375.26_linux.run
sudo ./8.0.61_375.26_linux.run

同样会出现之前的“”安装用户须知“”，按下“”ctrl+c跳过“”
为CUDA添加环境变量： 
  
  安装完cuda后，需要添加环境变量，假设CUDA是默认的安装路径，打开终端，具体的操作如下：

sudo gedit ~/.bashrc 
   
   
   在打开的文本文件末尾加上两行写入： 
   
   
   export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 
   
  
    继续添加： 
   
   
   sudo gedit /etc/profile在打开的文件中输入： 
   
   
   注意：这一行代码网上很多是错误的，PATH与后面的等号不能存在空格 
   
 
   export PATH=/usr/local/cuda/bin:$PATH 
   
   
   





 
   
  
    创建链接文件，在命令行输入： 
  
 sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件末尾加上一行保存： 
 
 /usr/local/cuda/lib64

 
 
 （三）CUDNN安装： 
   
   CUDNN的下载比较麻烦，需要注册Nvidia的账号，注册完成之后，下载cudnn6.0： 
   
   
   
  
   
   
   
  
  
 然后进行解压，并将文件覆盖到指定目录，具体操作如下，作者使用的是cuda6.0，
 不同版本的cudnn需要进行对应的更改，进入cudnn下载的目录，然后：
 
 tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz 
sudo cp cuda/include/cudnn.h /usr/local/cuda/include 
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so* 
 
sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

 
 注意：作者这里最后使用的时CuDNN5.1的版本，但操作方式相同，原因会在后面详细说明
 
 
  
 （四）Tensorflow安装：
 anaconda安装：
 
 和N卡相关的软件我们都已安装好，在安装tensorflow前，先进行科学计算库anaconda的安装。
 本文是基于anaconda安装tensorflow的，在官网上下载对应的安装包，作者选择的是linux 64位 ，Python版本为2.7
 
 
 安装完anaconda以后，使用conda命令在终端下新建一个tensorflow的环境，
 输入指令后系统会自动下载所依赖的软件库
 
 conda create -n tensorflow python=2.7

 
 
 
 
 tensorflow安装：
 进入正题了，首先进入tensorflow的环境，输入：
 
 source activate tensorflow
 （这一步时配置tensorflow环境，tensorflow还未安装）
 
 
 进入tensorflow环境后，开始安装tensorflow，输入： 
 
 pip install tensorflow

 
 
 如果下载速度过慢，可以搭个梯子，在github上tensorflow的官网也可下载
 
  安装完tensorflow后，在终端中进入python
 测试
 
 python
import tensorflow as tf

 
 
 若没有报错，则安装成功
 
  
 jupyter notebook安装：
 在终端下显然不能够便捷地调试和编译深度学习程序，因此作者推荐安装jupyter notebook，同样地，打开终端，进入tensorflow环境，输入：
 
 pip install jupyter notebook
安装完成后，在终端输入 jupyter noteook即可打开，记住要在tensorflow的环境下打开，因为我们是把jupyter安装在此环境下的。 
 
 （五）远程连接教程： 
   
   为了方便远程操控，作者用windows7远程连接安装好上述功能的linux操作系统，具体步骤如下： 
  
 windows端: 
   
   下载putty用于远程连接linux，在此处输入目标计算机的ip地址 
  
 
 
 登录到远程计算机后，输入账户和密码，就可以进入远程计算机的终端了（请先配置完linux端再进行此操作）
 
 
 linux端
 这里作者推荐这两篇博客，写的很详细，交叉阅览，很快能掌握：
 解决了如何生成秘钥的问题：
 http://blog.csdn.net/u013473520/article/details/50696771
 
 解决了如果登陆失败，则有可能是服务器防火墙设置的问题
 
 http://blog.csdn.net/bitboy_star/article/details/51427306
 
 
 （六）总结一下安装思路：
 （1）先安装linux操作系统，
 （2）安装对应的显卡驱动，以及深度学习用的加速库CUDA和CUDNN。
 （3）安装anaconda
 （4）在tensorflow环境下安装tensorflow和jupyter notebook
 （5）远程配置
 
 （七）目前已知安装过程中遇到的问题汇总 
   
   安装过程中遇到很多问题，这里把问题都贴出来以减少大家的重复安装时间 
  
 （1）CuDNN版本选择
 在配置CuDNN时，我一开始选择的版本是CuDNN6，但是因为我tensorflow中，整合的时cuda8.0+CuDNN5.1版本，因此在运行mnist时，会提示：
 缺少cuda5.0，no such file or directory。解决这个问题有两个办法：
 1.如果想使用6.0的CuDNN直接去github上面下载tensorflow的源码，使用bazel进行编译,具体可以参考这篇使用bazel编译tensorflow的教程：
 http://blog.csdn.net/zhaoyu106/article/details/52793183/
 
 2.在nvidia的网站上下载CuDNN5.1版本，按照（三）中的流程重新覆盖安装
 （2）配置SSH远程访问
 如果按照（五）中配置完jupyter notebook的远程访问还不能访问，一种原因是因为没有安装SSH server，这里给出安装ssh server的网址：
 https://jingyan.baidu.com/article/9c69d48fb9fd7b13c8024e6b.html
 
 有很详细的linux端配置ssh教程和如何在windows端连接的教程
 （3）启动流程
 linux端：按下启动键，windows端：打开putty，远程访问linux主机，启动tensorflow环境，启动jupyter notebook，在浏览器中打开jupyter notebook。此时运行mnist例子是没有问题的。给出一个mnist例子的链接： 
   
   https://github.com/JimReno/TensorFlow-Examples/tree/master/examples/3_NeuralNetworks
  
   
   
   复制里面的convolutional_network到你新建的jupyter notebook下，然后运行。 
   
   
   
  
   
   
   （4）TIPS 
   
   
   1.在训练过程中，如果需要查看显卡使用情况可以在终端输入查看： 
   
   
   nvidia-smi 
   2.如果在linux上的下载速度太慢，可以在windows搭梯子，提前把tensorflow和numpy等安装包下载好，然后直接pip install下载的文件就可以了。 
   
   
   
  
   
   
   (5) GCC自动升级问题：
  
   
   
   用了一周左右，发现gcc自动升级到5.4之后，跑程序的时候无法使用cuda加速了。 
   
   
   解决办法：降级GCC到4.9 
  
 
 
 
 
 此外，对linux操作系统不熟悉的读者，安装过程中可能会出现很多问题，因此我推荐一些我安装时查阅的博客和网站，其次大家可以把遇到的问题放在百度里面搜索，搭建环境这类的博客文章很多。
 参考文献：
 cuda添加环境变量：http://blog.csdn.net/Tcorpion/article/details/52740920
 极客学院的tensorflow安装指南：http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
 和本文类似的安装tensorflow的指南，可以交叉阅读：http://blog.csdn.net/dabokele/article/details/53013921
 CUDA安装时，如果GCC的降级，和CUDA samples的运行可以参考：http://www.linuxidc.com/Linux/2017-01/139320.htm
 python的官网也有tensorflow-gpu的whl包，下载完成后用pip命令安装即可https://pypi.python.org/pypi/tensorflow-gpu

yxnd150150

关注

1
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
深度学习环境搭建：linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook

本文主要介绍了linux系统下深度学习系统的搭建，主要的安装思路如下：linux系统安装：首先安装当下热门的linux操作系统Ubuntu16.04，系统下载的链接如下：https://www.ubuntu.com/download/desktop显卡驱动安装：安装完系统后，安装1080ti的显卡驱动，可以在Nvidia的官网下载到驱动下载完成后，把文件放在系统的默认文
复制链接

扫一扫