深度学习GPU加速环境配置：Ubuntu16.04+RTX 2080（440）+CUDA10.0+cudnn7.3+Ananconda3+Tensorflow1.13

最新推荐文章于 2023-03-19 13:19:38 发布

UEVOLIshy

最新推荐文章于 2023-03-19 13:19:38 发布

阅读量604

点赞数 1

分类专栏： RL 文章标签： cuda ubuntu

本文链接：https://blog.csdn.net/UEVOLIshy/article/details/108322136

版权

RL 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

文章目录

安装前的准备
Linux所需命令简介
装显卡驱动（VM虚拟机安装不了NVIDIA显卡驱动）
- - 删除原有的NVIDIA驱动并关闭系统自带驱动
  - 安装显卡驱动需要关闭Ubuntu的图形显示界面
安装CUDA10.0
安装cudnn
Anacnonda3安装
安装Tensorflow-gpu-1.13

安装前的准备

首先要明白自己的需求，自己需要跑的代码是tensorflow的什么版本的，因为不同的tensorflow版本需要不同版本的python3支持，需要不同的cuda，配套的cudnn和显卡驱动也不同。

所以首先确定tensorflow版本，然后根据tensorflow版本来确定cuda版本，由cuda版本确定显卡驱动版本和cudnn版本（严格来讲，cuda和显卡驱动不是一一对应的，最新的显卡驱动很多时候是可以向下兼容cuda的，但是不总成立，比如最新的450的驱动标配cuda版本是11.0,就不向下兼容，安装cuda10就不识别。cudnn和cuda也不是一一对应的）。从下表中可见我要想装tensorflow-gpu为1.13版，那么选择的CUDA版本就是CUDA10.0版。
在这里插入图片描述
从CUDA版本和驱动的对应表汇中选择合适的显卡驱动，CUDA10.0要求显卡驱动版本大于410.48。

NVIDIA历史版本驱动下载链接
进入链接后选择自己计算机对应的选项，搜索过后，选择版本大于410.48的驱动版本进行下载：Linux x64 (AMD64/EM64T) Display Driver，版本440.10，这个版本初始对应CUDA版就是CUDA10的，点进进行下载（.run格式）。
在这里插入图片描述

根据CUDA版本选择对应的cudnn。cuda与cudnn关系查看及cudnn下载。点进链接后，发现对应CUDA10的cudnn版本由cudnn7.6.5，cudnn7.6.3，等等，很多个版本，本文选择cudnn7.3。

至此我们已经确定了要安装各个软件的版本了，分别是Tenserflow_gpu-1.13.0，CUDA10.0，440.10版本的显卡驱动，cudnn7.3。

cudnn的下载需要先注册登录NVIDIA的账号，需要下载4个文件，按从上到下的顺序分别是1个cudnn的安装文件和cudnn的3个测试文件（点击查看大图），文件类型分别是1个.tgz，3个.deb。
在这里插入图片描述

CUDA各个版本官方下载链接，在点击对应链接进入下载界面后，根据自身计算机设置进行选项选择，最后的installer Type随便选，那个能下下那个，最下面是安装步骤。
在这里插入图片描述
到这里，我们已经下载好显卡驱动（440.10版）、CUDA安装软件（10.0版）和cudnn相关组件（7.3版），下载的默认路径是home/usr_name/Downloads(下载)，usr_name是账户名字。

使用权限命令给3个安装包添加运行权限，不添加的话运行时会产生无权限的报错。filename是被添加权限的运行文件的名字（墙裂建议下载好安装包后把安装包重命名一下，以简化安装时候敲进去的字符数量，例如可把CUDA的安装包重命名为cuda10.run，驱动安装包改为NVIDIA440.run，cudnn安装包改为cudnn7.3.tgz）。

sudo chmod +x filename

filename是安装包的全称。

下面开始安装。

Linux所需命令简介

为了安装的顺利进行，这里简要介绍下本文中所涉及的主要ubuntu命令，大多与文件操作有关。

获取管理员权限（需要管理员密码）：sudo，添加到待执行代码前面，并用空格做间隔，例如sudo apt-get install python3==3.6意思就是以管理员权限安装3.6版本的python3。
展示当前文件夹中所有条目：ls，输入后终端中列出当前文件夹所有文件名字，并根据格式不同给予不同颜色标注。如蓝色是文件夹，绿色是可执行文件。
前往某个文件夹：cd，例如前往当前文件夹下的子文件夹Downloads的代码为：cd Downloads
或者前往某个绝对路径：cd /home/qt/Downloads
或者前往上级目录：cd ..
展示当前文件夹中所有文件的权限：ll
红框中是我们关心的管理员拥有的文件权限，d是文件列表权限（只有文件夹才有这个权限），r是读取权限，w是写入权限，x是执行权限。Linux里下载的文件都默认没有执行权限x。权限可以添加和删除，来保护文件不被损坏。
添加权限：chmod，例如chmod +x cuda10.run，就是给文件cuda10.run添加运行权限，可以看到第一个红框中，没有选权限x，文件颜色为白色。chmod +x cuda10.run添加运行权限后，第二个红框中有了权限x，使得文件可以被执行，文件颜色也变成了绿色。加号+替换为减号-就是删除权限，cuda.run换成其他文件名字就可以给其他文件增删权限。
删除：rm，删除一个文件/文件夹就在那个文件夹下的终端中输入rm -rf filename（注意，此删除恢复及其困难，谨慎使用。若一不小心删除了重要文件想恢复，请不要在磁盘上写入任何文件，否则文件永远丢失无法找回），filename是文件全称。
安装：apt-get install application_name，例如sudo apt-get install python3==3.6意思就是以管理员权限安装3.6版本的python3。
执行：./filename，例如在Downloads文件夹下输入命令./cuda10.run
注意：在输入命令后，在命令运行期间关闭终端，会导致进程池锁定，无法运行其他命令，所以请尽量等待命令运行结束显示如下对话时再关闭终端（运行软件除外），比如安装程序安装一半不想继续装了，请坚持到下个安装检查节点再退出，或者坚持到安装完毕再卸载。真锁住了，就把报错信息粘贴到百度搜索解决（删除两个文件就好了）

装显卡驱动（VM虚拟机安装不了NVIDIA显卡驱动）

删除原有的NVIDIA驱动并关闭系统自带驱动

在命令行输入代码来删除系统原有驱动

sudo apt-get remove --purge nvidia*

然后再禁用系统自带的驱动

sudo gedit /etc/modprobe.d/blacklist.conf

在打开的文本最后添加两行代码

blacklist nouveau
option nouveau modeset=0

保存后退出
执行

sudo update-initramfs -u

重启系统后，执行

lsmod | grep nouveau

如果没有任何输出的化说明禁用成功。

安装显卡驱动需要关闭Ubuntu的图形显示界面

重启系统，在启动过程中按Ctrl + Alt +F1(F1~F6均可)到x-server（如果进不去，在终端输入代码sudo apt install lightdm，并在弹出框中选择lightdm，后再次尝试）, Ctrl+Alt+F7是返回，登录账号密码后，在命令行输入命令

sudo service lightdm stop

要是提示如果提示：unit lightdm.service not loaded

则先安装LightDm：

sudo apt install lightdm

安装完毕后跳出一个界面，选择lightdm，再

sudo service lightdm stop

关闭图形界面。然后使用cd命令到NVIDIA显卡驱动程序所在文件夹，输入命令

sudo ./filename.run

来运行安装程序，一路continue就完了。安装好以后，再打开图形界面

sudo service lightdm start

然后校验驱动安装版本，在terminal中输入命令

nvidia-smi

来查看是否装上NVIDIA显卡驱动，若安装成功，则会显示版本信息，查看其版本以及其标配的CUDA版本。（图是已经全部装好的时候拍的，在X-server界面和这个差不多）
在这里插入图片描述
nvidia-smi里面展示的CUDA Version只是该显卡驱动版本标配CUDA版本，和系统内的实际CUDA无关。

安装CUDA10.0

在CUDA10.0安装包所在目录（通常是home下的Downloads文件夹）右键点击，选择在终端中打开（open in terminal），在终端中输入命令

sudo ./cuda10.run

稍候片刻以后时很长的安装须知之类的东西，按住Enter不动，到最下面输入accept。然后会问你一些安装的问题，需要注意的就是第一问题选n，这是问是否要安装NVIDIA显卡驱动的，我们已经安装过了，所以不再装装了。还有一个是问是否安装OpenGL的，也要选n。其他的都选y，或者按Enter过。对话类似于下图，不过下图没有关于openGL的安装对话，因为我这里已经安装完了，所以就在网上找的图
在这里插入图片描述
安装好以后还要添加环境变量。
在终端中输入

sudo gedit ~/.bashrc

打开.bashrc文件，在文件的最后，加入下面3行代码

#export LD_LIBRARY_PATH=$LDLIBRARY_PATH:/usr/local/cuda-10.0/lib64
#export PATH=$PATH:/usr/local/cuda-10.0/bin
#export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

保存文件后，关闭文件

在命令行输入

source ~/.bashrc

来执行更改后的文件。

终端输入下面代码来检验CUDA是否安装成功，以及其版本

nvcc -V

如果安装成功会显示如下信息，表明安装成功。可以看到安装的CUDA版本为10.0
在这里插入图片描述
如果显示nvcc未安装，就先检查下环境变量是否添加上，终端输入

env

查看所有的环境变量。若环境变量添加上了，那就要把CUDA文件删除并重新安装。

CUDA安装的默认路径是

/usr/local/cuda-10.0

进入方法是点击文件的其他位置，点进去后选择Computer，就进入到根目录里了。
在这里插入图片描述

根据路径打开cuda-10.0的文明夹后，找到文件bin，查找其中有没有一个文件名为：uninstall_cuda_10.0.pl，这是一个卸载脚本，运行它，就能够完成cuda的卸载。

sudo /usr/local/cuda-10.0/bin/uninstall_cuda_10.0.pl

卸载完以后会残留一些空文件夹，在/usr/loca文件夹下右键打开终端，输入命令

sudo rm -rf cuda-10.0

便可完全删除已经安装的CUDA。

要是没有找到卸载脚本uninstall_cuda_10.0.pl，那就在终端中输入命令

sudo apt-get remove cuda*
sudo apt-get remove --purge cuda*
sudo apt-get update

然后再到路径/usr/loca下右键打开终端，输入

sudo rm -rf cuda-10.0

就能完全卸载已经安装的CUDA。

安装cudnn

cudnn的安装是插入式的，只要把对应的文件复制粘贴到对应CUDA的文件夹中即可，不涉及到文件替换。
卸载cudnn也很简单，把对应的cudnn的文件删除掉就好。

在home下的Downloads文件夹下找到cudnn7.3的压缩包，双击打开，提取文件到home目录下，home目录下找到目标文件夹（名字为：cuda），进入文件夹打开终端，为所有的文件夹下的文件（包括子文件夹中的文件）增加执行权限（+x）。

增加完权限以后在终端中输入下列命令，注意留意空格

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

前两行代码分别是将文件复制到另外一个文件夹里，后面两行是添加权限。

添加完成后，查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

看到下图说明安装成功。
在这里插入图片描述
下面验证cudnn是否安装成功：
在之前下载cudnn的时候一共下载了4个带cudnn字样的文件，安装cudnn的时候只用了一个，还有三个没用的到的文件就是在这里作为验证可以使用的。

在那三个文件所在文件夹右键打开终端，给这三个文件添加权限命令

chmod +x filename1
chmod +x filename2
chmod +x filename3

然后执行这三个文件

sudo dpkg -i filename1
sudo dpkg -i filename2
sudo dpkg -i filename3

（若有报错，先检查文件名是否输入对了，然后更换安装次序，里面有个文件要最先安装，最后还没解决就百度吧）

安装好以后会在/usr/src/cudnn_samples_v7里出现有一些cudnn的例子
在这个路径下打开终端，输入代码

make clean && make
./mnistCUDNN

要是出现如下结果，说明cudnn1安装成功
在这里插入图片描述
可以看到测试通过。

Anacnonda3安装

首先在anaconda3网站上下载安装包，选择Linux x86的installer
在这里插入图片描述
注意，这个版本的Anaconda3带的是3.8版本的python3，高于我们要装的tensorflow-gpu-1.13版本的要求，要求是2.7或3.3-3.6。所以安装好Anaconda3以后还需要把python版本降到3.6。同样的也要查看gcc版本是否符合tensorflow-gpu-1.13的要求（低于4.8）。

下载好安装包以后，在Downloads文件夹右键打开终端，给安装包添加执行权限后运行。

在这里插入图片描述
按照提示进行安装。安装完成后在命令行输入命令来查看Anaconda环境是否安装成功

python3

在这里插入图片描述
注意python3的版本号是3.8.3，GCC版本号是7.3.0，以及Anaconda字样，说明已经安装成功，Anaconda3的python3版本成为系统的python环境版本。

安装Tensorflow-gpu-1.13

首先给python3和gcc降版本。
给Anaconda3添加权限

sudo chmod -R o+w anaconda3路径

然后输入命令

conda install python=3.6

根据引导完成安装（有时候因为网络不好会报错，多试几次就好了）
首先安装gcc4.8

sudo apt-get install -y gcc-4.8
sudo apt-get install -y g++-4.8

然后移除以前的gcc，打开根目录下的bin文件夹，右键打开终端。

sudo rm gcc
sudo rm g++

链接新下载的gcc4.8

sudo ln -s gcc-4.8 gcc
sudo ln -s g++-4.8 g++

最后查看是否安装成功

gcc -v

显示如下信息说明安装已经成功，版本为4.8.5
在这里插入图片描述
最后通过pip命令安装1.13版本的tensorflow-gpu

pip3 install tensorflow-gpu==1.13

安装完成后，在终端打开python，输入下列代码，验证tensorflow和GPU是否能够正常工作

python

import tensorflow as tf
print（tf.test.is_gpu_available()）

在这里插入图片描述
返会结果为Ture，说明一切工作顺利。
到这里整个安装过程就结束了，感谢实验室师兄给予的支持和信任。

UEVOLIshy

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
深度学习GPU加速环境配置：Ubuntu16.04+RTX 2080（440）+CUDA10.0+cudnn7.3+Ananconda3+Tensorflow1.13

文章目录安装前的准备安装显卡驱动安装前的准备首先要明白自己的需求，自己需要跑的代码是tensorflow的什么版本的，因为不同的tensorflow版本需要不同版本的python3支持，需要不同的cuda，配套的cudnn和显卡驱动也不同。所以首先确定tensorflow版本，然后根据tensorflow版本来确定cuda版本，由cuda版本确定显卡驱动版本和cudnn版本（严格来讲，cuda和显卡驱动不是一一对应的，最新的显卡驱动很多时候是可以向下兼容cuda的，但是不总成立，比如最新的450的驱动
复制链接

扫一扫