Ubuntu18.04/16.04安装深度学习环境(Anaconda、显卡驱动、CUDA、Tensorflow-GPU、pycharm等)

Const 雕虫小技

已于 2022-09-21 20:34:24 修改

阅读量4.6k

点赞数 6

分类专栏： Ubuntu 文章标签：深度学习 tensorflow python

于 2022-09-03 15:13:16 首次发布

本文链接：https://blog.csdn.net/babailicsdn/article/details/126677429

版权

Ubuntu 专栏收录该内容

8 篇文章 1 订阅

订阅专栏

1.Anaconda安装

Anaconda官网：Anaconda | Anaconda Distribution

清华镜像站：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

我在清华镜像站上下载了 Anaconda3-2019.07-Linux-x86_64.sh

下载完成后，按如下命令完成安装；

cd 下载 	#因为我下载的安装包就在“下载”文件夹中，这里根据自己Anaconda安装包位置输命令
bsah Anaconda3-2019.07-Linux-x86_64.sh 		# Anaconda3-2019.07-Linux-x86_64.sh 为安装包名字

中间出现Do you accept the license terms? 输入 yes

然后问是否安装在/home/huang/anaconda3的位置，按enter确定；

然后会问是否安装初始化，选择初始化会自动在bashrc文件中添加路径

我选择否，然后在终端中输入：

source  /home/huang/anaconda3/bin/activate #要将 /home/huang/anaconda3/bin/activate 换成自己的目录，如图：

激活conda后，会进入base环境

然后输入

conda init

完成安装

提示：ubuntu安装完anaconda后，打开终端会默认进入base环境，解决办法参考

http://t.csdn.cn/zhRZV

ubuntu在默认终端中

进入conda的base环境命令：

source ~/anaconda3/bin/activate

退出conda的base环境命令；

conda deactivate

如图：

其实也可以不用改；

进入默认是base环境

#退出base，进入默认
conda deactivare
#默认环境进conda（base）
conda activate

想说的是：

在其他版本ubuntu安装时，我想既然cuda toolkit时有显卡驱动driver，那我不装驱动直接安装toolkit就可以，后来在ubuntu16上安装cuda9.0时出现很多问题【Error : your appear to running an x server；please exit x before installing】很多教程试了也不行，难搞，希望哪位大神知道是什么原因可以解答一下。

所以就还是先安装驱动，再安装cuda（不选择driver）

2.安装ubuntu显卡驱动

进NVIDIA官网下载驱动：官方驱动 | NVIDIA

等待下载时候，我们需要下载显卡的依赖

    sudo dpkg --add-architecture i386
    sudo apt update
    sudo apt install build-essential libc6:i386

在执行第二个命令时提示：有更新失败，不用慌，我试了一下，少部分不更新不影响使用

然后执行命令禁用开源的驱动

sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"

sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"

接着看是否执行成功

#输入命令
cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf
#输出下面内容就说明禁用驱动成功
blacklist nouveau
options nouveau modeset=0

然后

cd 下载  #下载是驱动所在的目录，按自己的来
sudo sh 驱动名称.run     #根据自己下载的驱动名称写指令

安装如果出现错误，提示 An NVIDIA kernel module ‘nvidia-drm’ appears to already be loaded in your kernel.....什么的

解决办法：

sudo apt-get purge nvidia*
sudo apt-get autoremove
sudo reboot

重启之后，重新执行安装命令即可。

3.安装CUDA

安装前的准备工作

Installation Guide Linux :: CUDA Toolkit Documentation

使用命令

ubuntu-drivers devices

查看当前显卡支持的驱动版本，如图：

由于显卡驱动最早可安装的版本为470，从 Release Notes :: CUDA Toolkit Documentation Table3中可知，470版本驱动对应CUDA版本为CUDA11，从从源代码构建 | TensorFlow 可知，cuda11版本对应tensorflow版本为tensorflow≥2.4

显卡驱动对应的CUDA版本为11.7，下面开始安装CUDA11.7

进入官网 CUDA Toolkit Archive | NVIDIA Developer 选择对应的选项并下载相应版本的安装包，安装类型选择的runfile，然后按提示安装

continue；

accept；

选择如下所示的内容进行安装（Driver之前安装过，所以不选，最后那个kernel objects 也不选（我第一次选了会提示安装失败，然后不选就可以成功安装）

安装后提示：

用 sudo gedit ~/.bashr 命令打开~/.bashrc文件，在文件末尾添加如下：

export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

如图：

终端输入 nvcc -V 显示如下，成功喽！

验证是否安装成功【在另一台电脑装9.0版本，根据自己安装路径输入命令】

编译并执行CUDA样例程序，出现pass代表CUDA和GPU运行正常。

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

提示：pass 安装成功

按照以下步骤从您的系统中正确卸载CUDA工具包和NVIDIA驱动程序。这些步骤将确保卸载是干净的

卸载CUDA Toolkit

4.安装cuDNN

官方教程：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

提供了多种安装方法，如图，我用的是deb包安装；

进入官网下载合适的版本 cuDNN Archive | NVIDIA Developer

需要注册登录才能下载；

下载完成，cd进入安装包位置，然后用 sudo dpkg -i 名字.deb 进行安装

cd deb位置
sudo dpkg -i deb包名字

如图：

然后导入CUDA GPG秘钥

sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/

刷新存储库元数据

sudo apt-get update

安装运行库

教程为
sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y

根据自己的版本来，我的是：
sudo apt-get install libcudnn8=8.5.0.96-1+cuda11.7

安装开发者库（版本号的要求和运行库一样改为和自己相符的）

sudo apt-get install libcudnn8-dev=8.5.0.96-1+cuda11.7

安装代码示例和 cuDNN 库文档

sudo apt-get install libcudnn8-samples=8.5.0.96-1+cuda11.7

验证安装

将 cuDNN 样本复制到可写路径

cp -r /usr/src/cudnn_samples_v8/ $HOME

转到可写路径

 cd  $HOME/cudnn_samples_v8/mnistCUDNN

编译 mnistCUDNN 样本

sudo make clean 

sudo make

可能会出现错误如下：

执行

sudo apt-get install libfreeimage3 libfreeimage-dev

重新编译

sudo make clean 

sudo make

然后跑 mnistCUDNN 样本

 ./mnistCUDNN

如果 cuDNN 已正确安装并在您的 Linux 系统上运行，您将看到类似的消息下列的：

Test passed!

5.安装Tensorflow-GPU

官网教程 TensorFlow

先更新一下pip

pip install --upgrade pip

进入conda虚拟环境

 source ~/anaconda3/bin/activate

查看虚拟环境列表

cond env list

进入需要安装Tensorflow的虚拟环境

conda activate python_env-name #python_env_name为虚拟环境的名称

然后安装Tensorflow

pip3 install tensorflow         #python2.x的版本用pip

如图：可能网络出错，多试几次就可以了

查看是否有Tensorflow包

pip list

Github上也有相应教程：GitHub - tensorflow/tensorflow at 05216942e9d44901b2831f332624794b40e630ca

测试是否安装成功：

进入安装了Tensorflow的python虚拟环境，输入
python

然后输入
>>> import tensorflow as tf
>>> tf.add(1, 2).numpy()
输出
3

输入
>>> hello = tf.constant('Hello, TensorFlow!')
>>> hello.numpy()
输出
b'Hello, TensorFlow!'

如图：

安装成功！

6.安装pycharm

下载安装包：Other Versions - PyCharm 我选择的是2019.3月社区版的pycharm

终端进入安装包所在位置

cd 下载 #我的是在下载文件夹中

然后解压

tar -zxvf pycharm-community-2019.3.5.tar.gz #文件名换成对应的名字即可

我这里把解压后的文件夹移动了一下位置，不想放在下载里面；

进入/pycharm-community-2019.3.5/bin中

在终端进入这个文件夹，然后运行pycharm.sh

cd pycharm-community-2019.3.5
cd bin
sh pycharm.sh

即可运行pycharm，但是每次打开pycharm非常麻烦，可以用两种方式解决

方式一：

打开pycharm，顶部工具栏 Tools-->Creat Desktop Entry 即可在应用程序中找到

方式二：

在桌面创建文件名为 pycharm.desktop 的文件（在哪里创建就把路径改为哪个文件夹）

cd /home/huang
sudo vim pycharm.desktop

然后编辑文件，参考以下内容（Exec是pycharm.sh文件位置，icon是图标文件位置）

[Desktop Entry]
Encoding=UTF-8
Version=1.0
Type=Application
Name=Pycharm
Icon=/home/huang/pycharm-community-2019.3.5/bin/pycharm.png
Exec=/home/haung/pycharm-community-2019.3.5/bin/pycharm.sh
MimeType=application/x-py;
Name[en_US]=pycharm

保存后，右击文件，选择允许作为程序运行，双击文件即可。