一、安装Anaconda
1.在Anaconda官网(或清华镜像站):
https://www.anaconda.com/download/#linux
下载Anaconda3对应的python版本,目前最新的是python3.7版本 .
2.下载好anaconda后在下载目录执行命令:
bash Anaconda3-5.3.0-Linux-x86_64.sh //自己下载的版本
3.接下来的安装提示按回车进入下一步,按q跳过License文档,最后输入yes确认
接下来让我们输入安装路径,没特殊情况直接回车默认路径就好
4.安装完成后程序提示我们是否把Anaconda3的binary路径加入到.bashrc,建议添加,这样以后python和ipython命令就会自动使 用 anaconda Python3.6环境了
source ~/.bashrc //让版本生效
python --version
二、安装Nvidia driver
1.查看显卡型号
sudo lshw -numeric -C display
去http://www.nvidia.com/Download/index.aspx 搜索你的显卡需要的驱动型号
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390 //自己的版本
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
2.执行完上述后,重启:
sudo reboot
重启之后可以在dash
中搜索到
NVIDIA X Server
nvidia-smi
如果出现了你的
GPU
列表,则说明驱动安装成功了。
3.但是我在重启之后遇到了循环登录问题,Ctrl+Alt+F1进入tty1卸载了驱动,才可以登录进桌面。
sudo apt-get remove purge nvidia*
参考https://blog.csdn.net/Gavinmiaoc/article/details/79748689禁用Nouveau,再在tty1下重新执行了
sudo apt-get install nvidia-390
并设置了secure boot 密码,在重启之后的蓝色屏幕界面进入change secure boot state,这时就要根据提示输入刚刚设置的密码的相应位数,以disable secure boot来使得第三方驱动生效。设置完成后选择boot,进入系统登录,问题解决。
三、安装CUDA
1.从这里下载cuda的安装文件
https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
选择9.0版本下载
sudo sh cuda_9.0.176_384.81_linux.run
因为驱动之前已经安装,这里就不要选择安装驱动。其余的都直接默认或者选择是即可。
使用:
sudo gedit /etc/profile
打开“profile”文件,在末尾处添加(注意不要有空格,不然会报错):
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
重启电脑:
sudo reboot
安装完毕后,再声明一下环境变量,并将其写入到
~/.bashrc
的尾部
:
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存退出,运行
source ~/.bashrc
2.测试
cuda的Samples
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示的是一些关于GPU的信息,则说明安装成功了。
安装好啦,可以在
dash
中搜索到了
四、安装cudnn
我们先从官网下载与我们安装的
CUDA-9.0
版本对应的
cuDNN v7.3.1
需要先注册
NVIDIA
账号
到
cuDNN
安装目录解压命令(注意版本号自行改成自己的):
sudo tar -xzvf cudnn-9.0-linux-x64-v7.3.1.20.tgz
再设置系统环境
,
把解压的
cuDNN
文件夹里
include
和
lib64
文件夹里的文件复制到对应的
/usr/local/cuda-9.0
对应的文 件夹里,
注意先到相应目录确定文件名后再执行
$ sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
驱动部分安装完成后可以执行以下命令检验驱动是否安装成功
nvidia-smi
五、安装Tensorflow
1.用Anaconda创建虚拟环境
conda create -n tensorflow Python=3.6
conda activate tensorflow
2.安装tensorflow-gpu1.8
pip install tensorflow-gpu==1.8.0
3.测试
python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session() #在该步会显示电脑的显卡信息
print(sess.run(hello))
Hello, TensorFlow!
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a + b))
#42