神舟z7-kp7s1-GTX1060+ubuntu16.04+cuda8.0+cudnn5.1+GPU配置教程

ubuntu16.04+cuda8.0+cudnn5.1+GPU配置教程

1、   安装Ubuntu16.04

2、   安装必要的依赖库

3、   安装cuda8.0

4、   安装cudnn5.1

5、   安装虚拟工作空间

6、   安装机器学习相关的库

7、   安装Tensorflow

8、   参考博客

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1、安装Ubuntu16.04

http://blog.csdn.net/YaoyuT/article/details/78003061

网上教程比较详细不再累赘！

 

2、安装必要的依赖库

2.1由于在安装过程中需要安装NVIDIA GPU驱动，所以首先将系统的图形界面关闭，采用如下方法：

1.  关闭所有的应用程序

2.  按下ctrl + alt + F2 进入SSh终端

3.  输入用户名和密码登陆

4.  Sudo service lightdm stop

5.  然后执行所有的其他安装操作

 

2.2 关闭图形界面之后开始安装依赖库

2.2.1更新升级

sudoapt-get update

sudo apt-get upgrade

2.2.2  安装依赖库

1 2 3 4 5 6 7 8

$ sudo apt-get install build-essential cmake git unzip pkg-config $ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev $ sudo apt-get install libxvidcore-dev libx264-dev $ sudo apt-get install libgtk-3-dev $ sudo apt-get install libhdf5-serial-dev graphviz $ sudo apt-get install libopenblas-dev libatlas-base-dev gfortran $ sudo apt-get install python-tk python3-tk python-imaging-tk

2.2.3安装Python

sudo apt-getinstall python2.7-dev python3-dev

 

2.2.4 准备我系统以交换NVIDIA CUDA驱动程序的默认驱动程序

$ sudo apt-get install linux-image-genericlinux-image-extra-virtual

$ sudo apt-get install linux-source linux-headers-generic

 

3、安装CUDA8.0 开发工具

3.1 首先通过创建新文件来禁用Nouveau内核驱动程序：

sudo vi/etc/modprobe.d/blacklist-nouveau.conf

输入一下内容：

1. 2 3 4 5

blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off

 

3.2 接下来我们来更新最初的RAM文件系统并重新启动机器：

$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

$ sudo update-initramfs -u

$ sudo reboot

 

3.3 重启之后，然后使用Ubuntu软件更新NVIDIA 驱动

系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改

 

3.4更新驱动之后要再次按照步骤一中将图形界面关闭，然后执行安装步骤

3.4.1从官网下载cuda8.0，然后按照如下命令安装

$ chmod +x cuda_8.0.61_375.26_linux-run

$ mkdir installers

$ sudo ./cuda_8.0.61_375.26_linux-run -extract=`pwd`/installers

 

将解压出三个文件：NVIDIA-Linux-x86_64-375.26.run、cuda-linux64-rel-8.0.61-21551265.run、cuda-samples-linux-8.0.61-21551265.run

由于前面利用软件更新安装好了NVIDIA驱动，这里就不用再安装NVIDIA-Linux-x86_64-375.26.run了，要是安装的话会出现一些问题，以为这个驱动基本跟我们的GUP驱动不相匹配，安装了可能导致循环登陆的问题。

 

3.4.2 然后安装：cuda-linux64-rel-8.0.61-21551265.run和cuda-samples-linux-8.0.61-21551265.run

$ sudo ./cuda-linux64-rel-8.0.61-21551265.run

$ sudo./cuda-samples-linux-8.0.61-21551265.run

 

3.4.3 配置环境变量

在~/.bashrc 的最后添加如下配置参数：

# NVIDIA CUDA Toolkit

export PATH=/usr/local/cuda-8.0/bin:$PATH

exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/

 

3.4.4 检验cuda是否安装成功

$ source ~/.bashrc

$ cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

$ sudo make

$ ./deviceQuery

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GTX1060

Result = PASS

 

当出现 Result = PASS

表示安装OK！

4、 安装cuDNN5.1

同样的去官网下载cuDNN5.1

4.1 解压安装cuDNN5.1

$ cd ~

$ tar -zxf cudnn-8.0-linux-x64-v6.0.tgz

$ cd cuda

$ sudo cp -P lib64/* /usr/local/cuda/lib64/

$ sudo cp -P include/* /usr/local/cuda/include/

$ cd ~

 

4.2配置环境变量并修改库的属性

sudo chmod a+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

同样的在~/.bashrc中添加如下配置参数

exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

exportCUDA_HOME=/usr/local/cuda

 

5、 安装python 虚拟环境

5.1安装pip

$ wgethttps://bootstrap.pypa.io/get-pip.py

$ sudopython get-pip.py

$ sudopython3 get-pip.py

 

5.2

$ sudo pipinstall virtualenv virtualenvwrapper

$ sudo rm-rf ~/.cache/pip get-pip.py

 

5.3 添加环境变量（~/.bashrc中）

#virtualenv and virtualenvwrapper

export WORKON_HOME=$HOME/.virtualenvs

exportVIRTUALENVWRAPPER_PYTHON=/usr/bin/python3

source/usr/local/bin/virtualenvwrapper.sh

 

5.4 创建python3的虚拟工作空间

mkvirtualenv dl4cv -p python3

 

5.5 在工作空间上编程

Workon dl4cv

当创建完了虚拟空间之后，一下安装的依赖库都在虚拟工作空间下安装

 

 

 

6、安装机器学习相关的依赖库

6.1 安装 numpy

pip install numpy

6.2 编译和安装opencv3.3

6.2.1 下载opencv3.3

$ cd ~

$ wget -O opencv.ziphttps://github.com/Itseez/opencv/archive/3.3.0.zip

$ wget -Oopencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.3.0.zip

 

6.2.2 解压

$ unzip opencv.zip

$ unzip opencv_contrib.zip

 

6.2.3 利用cmake编译

$ cd ~/opencv-3.3.0/

$ mkdir build

$ cd build

$ cmake -D CMAKE_BUILD_TYPE=RELEASE \

    -DCMAKE_INSTALL_PREFIX=/usr/local \

    -D WITH_CUDA=OFF \

    -DINSTALL_PYTHON_EXAMPLES=ON \

    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.3.0/modules\

    -D BUILD_EXAMPLES=ON..

6.2.4 编译和安装opencv

make –j4

sudo  make install

sudo ldconfig

 

6.2.5 创建opencv连接到python虚拟空间

$ cd~/.virtualenvs/dl4cv/lib/python3.5/site-packages/

$ ln -s /usr/local/lib/python3.5/site-packages/cv2.cpython-35m-x86_64-linux-gnu.socv2.so

$ cd ~

 

6.2.6 测试opencv

$ python

>>> import cv2

>>> cv2.__version__

'3.3.0'

 

6.3 安装

$pip install scipy matplotlib pillow

$ pip install imutils h5py requestsprogressbar2

$ pip install scikit-learn scikit-image

 

7、安装tensorflow

pip install tensorflow-gpu

7.1 测试安装是否成狗

$ python

>>> import tensorflow

>>> 

 

中途出现几次错误

1.  importError:libcusolver.so.8.0 :cannot open shared objectfile:no such file or dirtectory

解决方案：cuda 安装的路径配置不正确。在~/.bashrc文件中添加

export PATH=/usr/local/cuda-8.0/bin:$PATH

exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/

 

2.  importError:libcudnn.so.6:cannot open shared object file:nosuch file or dirtectory

解决方法：因为我们安装的是cudnn 5.1所以可定是没有libcudnn.so.6这个库的，所以我们要创建一个libcudnn.so.6的软链接：

Sudo ln -s libcudnn.so.5.* libcudnn.so.6

https://stackoverflow.com/questions/42013316/after-building-tensorflow-from-source-seeing-libcudart-so-and-libcudnn-errors

3.  undefined symbol:cudnnConvolutionBiasActivationForward

这个问题主要是因为安装的tensorflow-gpu的版本可能不匹配导致的

解决方法：https://github.com/tensorflow/tensorflow/issues/12326（可能要翻墙）

先卸载安装的tensorflow-gpu：sudo pip uninstall tensorflow-gpu

然后安装指定版本：sudopip install tensorflow-gpu==1.2.1 –upgrade –force-reinstall

7.2 安装keras

pip install keras

7.2.1 验证是否安装成功

$ python

>>> import keras

Using TensorFlow backend.

>>> 

 

至此tensorflow-gpu配置完成！

 

 

8、 参考博客

1、http://blog.csdn.net/zhaoyu106/article/details/52793183

2、https://www.pyimagesearch.com/2017/09/27/setting-up-ubuntu-16.04-cuda-gpu-for-deep-learning-with-python/

3、http://blog.csdn.net/lyc_yongcai/article/details/73244388

4、http://blog.csdn.net/m0_37336333/article/details/76794709

5、http://blog.csdn.net/ssmixi/article/details/70477808