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

目录

1.Anaconda安装

2.安装ubuntu显卡驱动

3.安装CUDA

4.安装cuDNN

5.安装Tensorflow-GPU

6.安装pycharm

7.安装vscode


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。

7.安装vscode

由于安装pycharm的方法太麻烦,所以安装vscode直接在应用商店安装即可

  • 6
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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