深度学习环境配置：华硕主板的Win 10 + UEFI + GPT条件下且在SSD + HDD双硬盘下安装Ubuntu+Gtx 1080Ti显卡驱动 + CUDA 9.1 + Cudnn 7.1...

最新推荐文章于 2023-09-24 14:23:45 发布
最新推荐文章于 2023-09-24 14:23:45 发布
阅读量1.8k 收藏 3
点赞数
文章标签： CUDA tensorflow GPU win10 ubuntu

本文写文章日期为2018.03.13
  因为买电脑自带了win10系统，自己就没有重新安装win10，而是在原win10环境下分割一个磁盘来安装ubuntu16.04，本人电脑GPU为Gtx 1080Ti显卡，要注意的是显示器连接线是直接与Gtx 1080Ti显卡连接，而不是连接主板上的接口！电脑配置见下图。我的硬盘是双硬盘一个256G的SSD固态硬盘，一个2T的HDD机械硬盘，现在win10是安装在SSD上，我准备把ubuntu也安装在SSD上。


  以前用的电脑都是BIOS+MBR，以前装的双系统基本都Win7和ubuntu16.04，而这次是在win10下且是在UEFI + GPT条件下安装ubuntu16.04，所以在动手之前google了很多最新教程，避免了很多坑，感谢那些善良的人！

一、安装前准备

1.安装EasyUEFI

通常使用BIOS+MBR构架的双系统需要使用EasyBCD软件来添加启动项，使用UEFI需要EasyUEFI。在win10下先安装EasyUEFI以便于以后在win10下管理启动项以及删除ubuntu系统。

2.制作Ubuntu 16.04LTS启动盘

3.禁用UEFI安全启动、关闭快速启动

4.为Ubuntu系统分配硬盘空间

  • 如果需要，用DiskGenius或者分区助手对各个硬盘大小进行调整
  • “鼠标右键计算机—>管理—->磁盘管理—->选中盘符右键—->压缩卷 ”
    压缩出最少60G(空间太小，等会分区的时候很难分配，而且会运行慢)的空间出来，不要分配盘符，直接让其处于空闲或未分配状态即可。这个未分配的空间就是我们将来的ubuntu系统的安装使用空间。我压缩了130g固态硬盘空间用于安装ubuntu。

二、安装ubuntu 16.04

swap交换空间：8G
efi系统分区 ：512M
挂载“/” ：30G
挂载“/usr” ：35G
挂载“/home”：51G

因为我参考了下面：

1.swap交换空间，相当于Win中的虚拟内存，通常需要划分对应物理内存2倍的空间，考虑到深度学习主机内存一般都是32G、64G或者128G，所以选择忽略不划分，之后如有需要还可以在系统设置中添加swap部分。实际上我划分了8G。
2.EFI系统分区，选择分区类型为“逻辑分区”，分区位置为“空间起始位置”。分配大小为512M，足矣。
3.挂载“/”,类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。根目录将挂载除了“/home”和“/usr”之外的其他目录，分配30G。
4.挂载“/usr”,类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。“/usr”为Linux存放软件的地方，分配40G。
5.挂载“/home”，类型为EXT4日志文件系统，选择“逻辑分区”和“空间起始位置”。剩余50G左右空间全部分配给“/home”。

三、安装显卡驱动

四、台式机ubuntu无线上网问题

想在台式机ubuntu16.04和win10上都用一个无线网卡来上网，发现很多网卡都不能在ubuntu中上网，即使可以也只能需要复杂的安装网卡驱动步骤，但是我也发现了在ubuntu系统中免驱可以即插即用且在windows中也可以免驱连网的两种网卡分别是：

五、卸载 Ubuntu

六、安装CUDA 9.1 和Cudnn 7.1.1

在安装完CUDA 9.1 和Cudnn 7.1.1之后发现，tensorflow最新版本 1.7.0不支持CUDA 9.1 和Cudnn 7.1.1，而是支持CUDA 9.0 和Cudnn 7.0，见tensorflow官网安装说明：Installing TensorFlow 或 Installing TensorFlow on Ubuntu，否则会出现如下错误：

(tensordai) mengzhuo@ubuntu:~$ python
Python 3.6.2 |Continuum Analytics, Inc.| (default, Jul 20 2017, 13:51:32)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux
Type “help”, “copyright”, “credits” or “license” for more information.
输入命令：import tensorflow as tf
出现错误：ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

因此，大家还是安装CUDA 9.0 和Cudnn 7.0吧，安装方法跟下面的方法一样。
CUDA 9.0下载地址为：CUDA Toolkit 9.0，所以大家可直接跳过前3步，直接看第4步安装CUDA 9.0和CUDNN 7.0.5的方法

1.安装CUDA 9.1

sudo gedit /etc/profile

在打开的文件末尾，添加以下两行。
64位系统：

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:$LD_LIBRARY_PATH

这里的文件目录是cuda-9.1不是cuda-9.0。

2.安装Cudnn 7.1

tar -xzvf cudnn-9.1-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

  • 因为是以tgz文件的形式安装的cudnn所以没办法按照官方教程中一样来验证cudnn是否安装成功，不过我到各个文件目录看了下，确认应该是安装成功了。

3.卸载 CUDNN 7.1.1 和CUDA 9.1，

3.1 卸载CUDA 9.1的方法见：

sudo /usr/local/cuda-9.1/bin/uninstall_cuda_9.1.pl

3.2 卸载CUDNN 7.1.1 的方法:

因为安装CUDNN，实际上只是把几文件复制到CUDA的安装目录下，所以卸载CUDNN只需要把CUDA的安装目录”/usr/local/cuda-9.1”一起删除就可以了：

cd /usr/local/
sudo rm -r cuda-9.1

如果曾经验证过CUDA就会在/home/用户名 下产生文件夹“NVIDIA_CUDA-9.1_Samples”，可以把它一起删除：

cd /home/mengzhuo
sudo rm -r NVIDIA_CUDA-9.1_Samples

注意：我用官方卸载方法卸载CUDA 9.1后再用下面的“4.4.1 方法一”安装CUDA 9.0后发现：
系统分辨率变成没装驱动一样，并且在ubuntu登录界面出现循环登录，导致不能以图形方式进入ubuntu。
我猜测的原因：卸载CUDA 9.1时估计连带着驱动的一些包被卸载了。
我解决的办法是：在登录界面按Alt+Ctrl+F1进入字符界面，然后卸载我刚才安装的CUDA 9.0，在没有卸载驱动的情况下用驱动的.run安装包，再按照上面讲的安装驱动方法重新安装修复了驱动。然后分辨率变正常，循环登录现象消失。最后我进入ubuntu系统后用了

4.安装CUDA 9.0

CUDA 9.0下载地址为：CUDA Toolkit 9.0

安装方法同上面安装CUDA 9.1一样，其主要方法见：Ubuntu16.04安装CUDA9.1、cuDNN7详细教程，基本同官方教程一样，具体方法如下：

4.1 检查自己的计算机是否具备CUDA安装条件

检查方法见：Ubuntu16.04安装CUDA9.1、cuDNN7详细教程

4.2 安装NVIIDA驱动。

CUDA提供两种安装方式：package manager安装和runfile安装。因为CUDA安装文件将近1.6G，所以 这里我选择runfile安装，采用runfile安装，CUDA自带的驱动可能无法定位内核信息，所以要先安装NVIIDA驱动。我前面已经安装了驱动，所以这步已经免了。

4.3 下载CUDA 9.0的runfile安装文件

下载地址：CUDA Toolkit 9.0

4.4 开始安装CUDA 9.0
4.4.1 方法一：网上大部分的方法都是这种，太复杂，所以可直接看4.4.2的方法二
  • 重启系统，在登录界面时按Ctrl+Alt+F1进入字符终端界面，登录成功后，关闭图形化界面

sudo service lightdm stop

  • 以cd命令进入CUDA 9.0的.run安装文件所在文件夹内，比如我的是：

cd /home/mengzhuo/    # mengzhuo是我的系统用户名

  • 找到下载文件的路径，键入下面的命令安装：

sudo sh cuda_9.0.176_384.81_linux.run

  • 单击回车，直到提示“是否为NVIDIA安装驱动？” 一定要选择否，因为已经安装好驱动程序，其他都是默认。

最后，你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。

  • 添加这些库：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  • 重新启动图形化界面:

sudo service lightdm start

  • 同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。 如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了 .重启电脑，检查Device Node Verification:

ls /dev/nvidia*

  • 若结果显示:

/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm

或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-nvm的），则安装成功。 如果显示其他情况，则按照Ubuntu16.04安装CUDA9.1、cuDNN7详细教程中方法进行设置。

  • 终端中输入

sudo gedit /etc/profile

  • 在打开的文件末尾，添加以下两行：
    64位系统：

export PATH=/usr/local/cuda-9.0/bin: PATHexportLDLIBRARYPATH=/usr/local/cuda−9.0/lib64: P A T H e x p o r t L D L I B R A R Y P A T H = / u s r / l o c a l / c u d a − 9.0 / l i b 64 : LD_LIBRARY_PATH

32位系统：

export PATH=/usr/local/cuda-9.0/bin: PATHexportLDLIBRARYPATH=/usr/local/cuda−9.0/lib: P A T H e x p o r t L D L I B R A R Y P A T H = / u s r / l o c a l / c u d a − 9.0 / l i b : LD_LIBRARY_PATH

  • 保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。重启电脑，检查上述的环境变量是否设置成功。
4.4.2 方法二：

因为我们在安装cuda时并不需要安装驱动，所以不用按Ctrl+Alt+F1进入字符终端，也不用关闭图化界面。同时，在方法一中，在验证是否安装成功时，make也太复杂了，需要花20+分钟，其实只需要make一个文件就可以，这样只需要几秒就可验证是否安装正确。具体方法如下：

  • 先安装 安装cuda所需的依赖库：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  • 输入以下命令：

cd /home/mengzhuo/    # mengzhuo是我的系统用户名,该文件夹下存在CUDA9.0的.run安装文件
sudo sh cuda_9.0.176_384.81_linux.run

单击回车，直到提示“是否为NVIDIA安装驱动？” 一定要选择no，因为已经安装好驱动程序，其他都是选择yes。

  • 添加环境变量：

sudo gedit /etc/profile

在打开的文件末尾，添加以下两行：
64位系统：

export PATH=/usr/local/cuda-9.0/bin: PATHexportLDLIBRARYPATH=/usr/local/cuda−9.0/lib64: P A T H e x p o r t L D L I B R A R Y P A T H = / u s r / l o c a l / c u d a − 9.0 / l i b 64 : LD_LIBRARY_PATH

  • 保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。重启电脑，检查上述的环境变量是否设置成功。
4.5 验证CUDA 9.0是否安装成功
4.5.1 方法一：网上大部分的方法都是这种，太复杂太花时间，所以可直接看4.5.2的方法二
  • 验证CUDA Toolkit:

nvcc -V

  • 最后，我们需要尝试编译cuda提供的例子，看cuda能否正常运行,打开终端输入:

cd /home/user_name/NVIDIA_CUDA-9.1_Samples
make

  • 系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。如果出现错误的话，系统会立即报错停止。 如果编译成功，最后会显示Finished building CUDA samples，如下图所示。

  • 运行编译生成的二进制文件。 编译后的二进制文件默认存放在NVIDIA_CUDA-9.1_Samples/bin中。接着在终端中输入 ：

cd bin/x86_64/linux/release
./deviceQuery

  • 结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL .
  • 最后再检查一下系统和CUDA-Capable device的连接情况
    终端输入 ：

./bandwidthTest

看到类似如下图片中的显示，则代表成功

4.5.2方法二：
  • 验证CUDA Toolkit:

nvcc -V

  • 我们需要尝试编译cuda提供的例子，看cuda能否正常运行，这里我们不用像方法一一样make所有samples，而只需make一个sample就可以了，这样可以使时间从20多分钟减少到几秒钟，打开终端输入:

cd /home/mengzhuo/NVIDIA_CUDA-9.0_Samples/1_Utilities # 进入NVIDIA_CUDA-9.0_Samples中 deviceQuery所在文件夹,mengzhuo是我自己的username
make
cd /home/mengzhuo/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
./deviceQuery

  • 结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL 。


5.安装CUDNN 7.0.5

  • Cudnn 7.0.5的安装是按照Ubuntu16.04安装CUDA9.1、cuDNN7详细教程中以tgz文件的形式安装的。这个教程也是按照cudnn7.0.5安装官方教程来的。下载cudnn需要注册，我是在cuDNN Download中下载的，下载的是cuDNN v7.0.5 Library for Linux
    ，见下图。

    实际上cuDNN的安装只是将其安装包解压缩之后，把里面的文件复制到对应的地方即可。故总结起来实际上以tgz文件的形式安装cuDNN只需要4条命令就能安装成功，在cuDNN7的tgz安装文件所在的文件夹内：右键—>在终端中打开—>然后在终端内输入以下4命令即可：

tar -xzvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

注意：上面的第三条命令官方方法是：sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ ，但是我在lib64文件夹下并没有看到名为libcudnn的文件夹，所以应该还是用我上面的第三条命令。

为防止破坏软链接，还有必要再输入以下4条命令，反正我按照上面的官方安装方法后测试时是提示我软链接被破坏了：

cd /usr/local/cuda-9.0/lib64
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig -v #改了lib、lib64、 ld.so.conf都要重新运行一下ldconfig，不然系统找不到动态链接库

因为是以tgz文件的形式安装的cudnn所以没办法按照官方教程中一样来验证cudnn是否安装成功，不过我到各个文件目录看了下，确认应该是安装成功了。

七、安装Anaconda 3.5.1及其中自带的python 3.6

虽然我的ubuntu 16系统自带的python是2.7.12,但是Anaconda不仅能够进行包管理，还能进行环境管理，所以用它来进行创建虚拟环境并管理。去Anaconda的官方下载地址或清华anaconda镜像下载对应python版本的Anaconda安装文件。我这里下载的是python3.6的版本：本次使用的是Anaconda3-5.1.0-Linux-x86_64.sh。

八、安装pycharm

  • 方法见Ubuntu 16.04 安装 PyCharm

  • 如果在应用程序中找不到pycharm启动项，可用如下方法：
    打开Pycharm—>Tools—>Creat Desktop Entry…—>Ok

完全不必用这种方法：在ubuntu16.4中为pycharm创建桌面快捷启动方式。这种方法不仅复杂，而且我用这种方法后发现程序图标并没有被加载，所以图标变发了一个问号图片。

九、利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架

如果不想利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架，而是非要自己在终端手机输入命令来进行，那么可直接跳过本节看下一节“十、在Anaconda创建的虚拟环境内安装tensorflow”，本节和下一节方法是等效的，只是本节方法更简单、更直观而已。

  • 打开pycharm—>Files—>New Project—>Pure python


    1.png

  • 在New environment using中可选择“Conda”或”Virtualenv”来创建虚拟环境，在Location中把“untitled”改成自定义的虚拟环境名字，Python version中可自己选择想要的版本，这里我选择的是用”Virtualenv”来创建虚拟环境，因为我用“Conda”来创建虚拟环境后发现安装包速率很慢，尽管我在pycharm中已经更换了国内的pip源。

  • Files—>Settings—>Project Interpreter


  • 可以点击上图中右上角的齿轮图标，来更换项目解释器。

  • 点击右上角“+”，可以看到“Availabe Packages”，并可以搜索安装想要的包。如果前是选择“Conda”来创建虚拟环境，这里就是一片空白，什么都没有。


  • 更换国内pip源：点击上图中的“Manage Repositories”，然后输入源地址，如下图所示。


十、在Anaconda创建的虚拟环境内安装tensorflow

本节和上一节方法是等效的，只是上一节方法更简单、更直观，如果你已经按照“九、利用pycharm创建虚拟环境，并在虚拟环境内安装tensorflow、keras等深度学习框架”中的方法进行，可跳过本节。

1.利用conda创建虚拟环境

conda create -n tensordai python=3.6

tensordai是虚拟环境的名字。

2.在虚拟环境内安装tensorflow

2.1 方法一：见Ubuntu16.04安装anaconda3+tensorflow

注意：这种方法我没成功，原因是网络老是断掉，所以我更换了国内的pip源，再进行了方法二来安装tensorflow 1.7.0. 所以大家还是直接看方法二吧。

下面是方法1的内容：

GPU版：pip install tf-nightly-gpu
CPU版：pip install tf-nightly

  • 或者可以先下载好对应版本的安装文件：

Linux CPU-only: Python 2 (build history) / Python 3.4 (build history) / Python 3.5 (build history) / Python 3.6 (build history)
Linux GPU: Python 2 (build history) / Python 3.4 (build history) / Python 3.5 (build history) / Python 3.6 (build history)

我点击python3.6版本 Python 3.6 (build history)
中的“build history”，然后下载这个文件“tf_nightly_gpu-1.7.0.dev20180222-cp36-cp36m-manylinux1_x86_64.whl”,然后必须把它重命名为“tensorflow-1.7.0-py3-none-linux_x86_64.whl”，否则会出现错误“tf_nightly_gpu-1.7.0.dev20180222-cp36-cp36m-linux_x86_64.whl is not a supported wheel on this platform.”
再利用下面的命令进行安装：

source activate tensordai #激活虚拟环境
cd ~/Download #我是将下载好的东西放在了Download文件夹里
pip3 install –ignore-installed –upgrade tensorflow-1.7.0-py3-none-linux_x86_64.whl

或者

pip install tf-nightly-gpu

参考：如何在 Ubuntu 16.04 上安装并使用 TensorFlow、ubuntu16.04安装TensorFlow的正确步骤

2.2 方法二：

cd ~
mkdir .pip
sudo gedit ~/.pip/pip.conf

然后直接编辑文件pip.conf的内容为：

[global]
index-url = http://pypi.douban.com/simple/
[install]
trusted-host = pypi.douban.com

这样就更换pip源成功了。

  • 运行命令：

pip install tf-nightly-gpu

3.测试是否安装成功

  • 进入python环境：

$ python # 进入python环境

import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
sess.run(hello)

a = tf.constant(10)
b = tf.constant(32)
sess.run(a + b)
sess.close()

  • 卸载tensorflow

pip uninstall tf-nightly-gpu

本文链接：https://www.jianshu.com/p/a9d458544ca1

参考文献：

win10安装ubuntu-GNOME双系统踩坑综合

感谢：

我的好兄弟张洞明童鞋对本文的热心帮助与耐心指导！

dby_freedom
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
win10＋ubuntu18.04.4双系统UEFI+GPT分区格式教程＋Ｎ卡驱动安装
01-09
win10＋ubuntu18.04.4双系统教程 一.　硬件以及ｏｓ 硬件：联想小新锐7000　　双硬盘＋Ｎ卡＋英特尔核显 ｏｓ：windows10 二.目的 在已有操作系统win10的情况下安装ubuntu18.04.4 三.详细步骤 1.下载ubuntu18.04.4镜像，下载烧录软件rufus，准备ｕ盘一个 2.win10在cmd输入　diskpart 原创文章 2获赞 1访问量 77 关注
win10+Ubuntu 20.04 LTS双系统安装(UEFI + GPT)(图文，多图预警)
01-09
win10 安装（已安装的略过） win10安装请看：win10 u盘重装系统 全新安装 ubuntu安装准备官网下载镜像：https://ubuntu.com/download/desktop 下载rufus（官网推荐）https://rufus.ie/ 如果下载速度慢，可以用我下好的(含镜像、rufus)：链接: https://pan.baidu.com/s/1qwgUFa-ME-EXLrAZ7rQJvw 提取码: v6af 制作启动u盘 插入U盘， 运行 rufus-3.10.exe，按照下面选择，然后点击开始，等待完成即可 为Ubuntu安装空出分区 此电脑->管理->磁
win10+ubuntu16.04双系统安装–删除UEFI引导(SLAM开发环境)
01-09
win10+ubuntu16.04系统安装–删除UEFI引导（SLAM开发环境）1. 参考博客2. 删除UEFI系统下的Ubuntu启动项3. 安装Ubuntu16.04系统3.1 下载Ubuntu 16.04 LTS的iso文件3.2 Win10下制作Ubuntu16.04启动U盘3.3 安装与配置Ubuntu16.04系统3.3.1 Ubuntu16.04创建分区3.3.2 安装Ubuntu16.04完成4. 后续安排 1. 参考博客 1：win10+ubuntu16.04双系统下完全删除并重装ubuntu16.04： 博客链接：https://blog.csdn.net/Spacege
249个 ChatGPT 关键词汇总 中文版
03-16
249个 ChatGPT 关键词汇总 中文版
芯片组扫盲
浴血重生-学习空间
08-26 2949
 芯片组（Chipset）是主板的核心组成部分，如果说中央处理器（CPU）是整个电脑系统的心脏，那么芯片组将是整个身体的躯干。在电脑界称设计芯片组的厂家为Core Logic，Core的中文意义是核心或中心，光从字面的意义就足以看出其重要性。对于主板而言，芯片组几乎决定了这块主板的功能，进而影响到整个电脑系统性能的发挥，芯片组是主板的灵魂。芯片组性能的优劣，决定了主板性能的好坏与级别的高低。
推荐11个好用的prompt工具网站（附链接+论文）
学姐带你玩AI的博客
05-10 6149
同学们，你们prompt是自己苦哈哈码的吗？可别了，有现成的工具为啥不用？今天我就和大家分享一些好用的prompt工具网站，用熟了ChatGPT、midjourney、stable diffusion能玩起来更爽！搜罗了有十几个，大家自行尝试。科研人注意看文末，我还整理了不少关于prompt的论文，经典的前沿的都有，也下载打包好了，最近prompt真的是热门，这么好发论文的机会一定要把握住！
cmd中检查cuda及cudnn是否成功安装及其版本
热门推荐
信小海
04-18 3万+
2023最新版：在cmd中检查cuda及cudnn是否成功。
怎么看cudnn是否安装成功
weixin_51350942的博客
08-29 5589
怎么看cudnn是否安装成功
cuda、cuDNN和GPU版本的pytorch验证是否安装成功
qq_74092748的博客
09-24 4139
cuda、cuDNN、GPU版本的pytorch安装验证，cuda、cuDNN的安装教程推荐。
【CUDA】判断电脑CUDA和cuDNN是否安装成功（Windows）
Koma_zhe的学习笔记
09-27 1万+
【代码】【CUDA】判断电脑CUDA和cuDNN是否安装成功（Windows）
Win10 + Ubuntu18.04 双系统+双硬盘快速安装(超详细入门安装教程)
01-09
正文开始，本文适用于想要安装 WIN10 + Ubuntu 双系统的同学，磁盘格式是GTP，同时使用UEFI引导，双系统均安装在SSD，保证读写速度，数据保存在HDD。 目录一、准备工作1.1下载 Ubuntu18.04 镜像1.2 UltraISO 制作U盘...
Win10+Ubuntu双系统：UEFI+GPT和Legacy+MBR引导模式-附件资源
03-02
Win10+Ubuntu双系统：UEFI+GPT和Legacy+MBR引导模式-附件资源
conda cudnn版本升级_[Ubuntu18+RTX2080Ti]从0开始搭建深度学习环境TensorFlow+PyTorch
weixin_39789792的博客
01-26 275
[新]Ubuntu18.04 从0开始搭建深度学习环境(TensorFlow+PyTorch)前言最近lab进了一个新机箱，专门用来跑DL，既然是一台新机器，就让我们从装系统开始一起来配置DL环境吧，这也是我第一次真正意义上从头到尾配环境，一路上也是遇到了一些问题，写下本文也是为了记录一下配置环境的整体流程为以后所用，也希望初入DL大门的各位能尽可能少的踩坑，毕竟只有配环境的人才知道着配环境的过程...
深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080i+CUDA8.0+CUDDN6
JackYuBo
06-24 684
一 硬件配置配置 型号 数量主板 华硕Z10PE-D8 WS*1内存 三星 2400 ECC-R 16G* 4CPU 2673 V3 (2.4主频 12核24线程）* 2风扇 金钱豹10热管全静音 *2电源 肯为 GPU计算 挖矿 1600w *1机箱 勤诚RM41300 G特制机箱 （支持4显卡）* 1显卡 技嘉1080TI GAMING OC 11G *4固态 INTER 545s 256G ...
双系统Linux（Ubuntu20.04）深度学习安装+cuda驱动+cuda+anaconda
ybobob_的博客
05-26 1527
小白式安装Linux+cuda+anaconda 文章可能排布不好 但请你耐心看完 一定对你有所帮助 因为我安装与卸载了n边 感觉挺不容易的 所以有感写下了这篇博客 来帮助更多的小白 因为是小白所以每走错一步我选择的就是卸载再重装 如有大神还望评论区指教 首先在此讲解下本人的主体台式电脑配置： 华硕B560+七彩虹RTX3060 为什么要说这两个东西呢？ 因为如果你在Linux终端输入了nvcc -V 它提示你要安装什么东西，千万别安装 那是它自己给你安装cuda 可能不是你的显卡所适配的rtx30
Ubuntu +NIVIDIA驱动 + CUDA + Cudnn 的详细安装指南（每一步都有说明）
sinat_38436656的博客
11-19 4177
非常非常详细的安装指南，帮助新手成功避开各种雷区，是本人在多次安装中总结的血泪的教训，亲测可以正确安装，虽然使用的Ubuntu14.04的系统，但是安装方法对于Ubuntu16.04系统也是可以的，使用的CUDA和Cudnn还有NIVIDIA的显卡可能并不是最最最新的，但是安装方法基本上也是一样的，之后会再详细的写一下GTX1080Ti的安装方法，硬件安装成功了，接着就是Tensorflow等的软件安装了~
检测Cudnn是否安装成功
SophisticatedWolf的博客
08-13 8970
安装Cudnn后通过网上找到的方法（如下）没有任何输出，以为是没能安装成功。 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2 或者 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR 或者 cat /usr/local/cuda-11.1/include/cudnn.h | grep CUDNN_MAJOR -A2 检测版本Cudnn是否安装成功的方法与老方法略有不同，头文.
Win10安装cuda、cudnn检测是否安装成功
wzk4869的博客
10-26 4676
Win10安装cuda、cudnn检测是否安装成功
jedis示例代码压缩包
最新发布
04-23
jedis示例代码
双系统安装WIN10+ubuntu 20.04
01-10
以下是双系统安装WIN10和Ubuntu 20.04的步骤： 1. 准备工作： - 确保你有一台支持UEFI和GPT分区的计算机。 - 下载最新版本的Windows 10和Ubuntu 20.04的ISO镜像文件。 - 准备一个空的USB闪存驱动器，容量至少为...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值