Linux深度学习环境配置教程：Ubuntu16.04+CUDA10.0+pytoch+tensorflow

最新推荐文章于 2022-11-27 15:43:12 发布
最新推荐文章于 2022-11-27 15:43:12 发布
阅读量486 收藏 3
点赞数
分类专栏： 笔记 文章标签： 深度学习 tensorflow pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/firehuiplane/article/details/107433947
版权

Linux深度学习环境配置教程（ubuntu16.04+CUDA10.0+tensorflow+pytorch）

环境配置简介

在经过了N次配Linux深度学习环境之后，决定将流程进行总结避免每次都要重新进行搜索，此教程包含了一下几个方面

  • Ubuntu 16.04系统安装
  • NVIDIA驱动安装
  • CUDA 10.0 配置
  • cudnn 7.4 配置
  • PyTorch-GPU 安装及测试
  • TensorFlow-GPU 安装及测试

Ubuntu 16.04 系统安装

注：该部分内容参考了-牧野- 的博客内容，可以点击超链接或输入以下网址直达。
https://blog.csdn.net/dcrmg/article/details/79600421?tdsourcetag=s_pctim_aiomsg

制作 Ubuntu 16.04 的启动U盘

1. 准备软件

Ubuntu16.04 LTS：https://www.ubuntu.com/download/desktop
UltralSO软碟通：http://cn.ultraiso.net/xiazai.html

2. 制作Ubuntu的启动U盘

  1. 打开UltraISO，执行 文件->打开，选择已经下载的 ubuntu ISO镜像文件。
    在这里插入图片描述

  2. 启动->写入硬盘文件
    在这里插入图片描述

  3. 使用默认设置执行写入
    在这里插入图片描述

修改BISO，设置U盘启动

进入BIOS设置的快捷键不同板卡不尽相同，可以尝试F2，F12，Esc建，我这里是Dell台式机，F2键。操作步骤如下所示：

  1. 插入制作好的U盘，按快捷键进入BIOS，在左侧列表选择**“Secure Boot”，展开后选择“Secure Boot Enabled”，然后将右侧的选项改为“Disable”，更改完成后，点击下方的“Apply”**保存，如下图所示：
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传在这里插入图片描述

  2. 在左侧找到**“Advance Boot Options”，然后在右侧界面将“Enable Legacy Option ROMs”选项打勾，完成后同样点击下方的“Apply”**按钮进行保存，如下图所示：
    在这里插入图片描述

  3. 在左侧找到**“Boot Sequence”选项，然后将右侧的“Boot List Option”更改为“Legacy”，在右上方将U盘对应的选项调整到到最上方（选中后点击上三角箭头），完成后按“Apply”**保存。
    在这里插入图片描述

  4. 退出BIOS，重启电脑即可。
    这一步就结束了

安装 Ubuntu 系统

  1. 进入Ubuntu安装界面是，按需求选择语言，选择“Install Ubuntu”
    在这里插入图片描述
  2. 单击“创建新分区表"，点击的“+”创建4个主要的基础分区（如果没有空闲可以点击“-”号对区域进行格式化），按以下参数设置4个主要的基础分区：
空间分区位置格式名称
200G主分区空间起始位置ext4日志文件系统/
4G逻辑分区空间起始位置交换空间/swap
200M逻辑分区空间起始位置ext4日志文件系统/boot
剩余空间逻辑分区空间起始位置ext4日志文件系统/home

注意：

  • /home 可以不进行划分，剩余所有空间都划分到主分区里面。如果有多个硬盘，可以把一个硬盘用来装系统，其他硬盘划分为NTFS
  • 磁盘空间如果有剩余，可以按比例适当多分配一点。
  1. “安装启动引导设备”的参数选择：与/boot所在的编号一致。设置好后安装即可。

Ubuntu 初始化操作（个人选择）

更换apt源

1. 备份原始源文件

桌面打开终端，执行命令

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

2. 修改源文件

  1. 更改文件权限使得其可以进行编辑
sudo chmod 777 /etc/apt/sources.list
  1. 打开文件进行编辑
sudo gedit /etc/apt/sources.list
  1. 删除原来的内容，复制以下内容，推荐阿里源

阿里源

deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse

deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse

deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse

deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse

deb-src http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse

deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse

清华源

	
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

3. 更新源

终端执行命令，更新软件列表，换源完成。

sudo apt update

修改默认 python

Ubuntu 16.04 中，终端输入 python 默认为是 python 2.7，终端输入 python3 才是 python 3.5，我个人喜欢直接输入 python 运行程序，因此需要将 python 与 pip 默认为 python3 与 pip3。

1. 安装 pip3

终端输入命令

sudo apt-get install python3-pip

然后输入

pip3 -V

如果正常显示 pip3 的版本，则说明已经安装成功

2. python 默认为 python3

终端输入命令

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100 
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

3. pip 默认为 pip3

终端输入命令

sudo ln -s /usr/local/bin/pip /usr/local/bin/pip3

然后输入

pip -V

如果正常显示 pip3 的版本，则说明已经修改成功

4. 修改 pip 源

终端输入命令

pip install pqi
pqi use aliyun

便将 pip 源转换为阿里源了。

安装 NVIDIA 驱动

该章节内容参考了下面博客，点击地址可以直达。
地址：https://blog.csdn.net/elegantoo/article/details/103886407

查询适用于自己显卡的驱动版本

查看自己的官网驱动十分重要，这里提供两种方式进行查询

1. 官网查询

地址：https://www.geforce.cn/drivers

输入自己的电脑配置查询NVIDIA型号，点击**“开始搜索”**，下方便有与电脑型号对应的NVIDIA版本。
在这里插入图片描述

2. Ubuntu 自带

直接点击Ubuntu应用栏左上角，搜索**“软件与更新”，点击“附加驱动”**。
在这里插入图片描述

安装驱动

在终端中依次执行以下命令

sudo add-apt-repository ppa:graphics-drivers/ppa
 
sudo apt-get update
 
sudo apt-get install nvidia-410#(我电脑显卡GTX1080)
 
sudo apt-get install mesa-common-dev
 
sudo apt-get install freeglut3-dev

注意： CUDA10.0 要求显卡驱动版本在 410.48 及以上，上述方法安装的 410 版本是 410.78

重启电脑

在以上步骤结束后，重启电脑，在终端输入命令

nvidia-smi

如出现下图则证明成功。
在这里插入图片描述

安装 CUDA 10.0

该章节内容参考了以下博客，点击地址可以直达。
地址1：https://blog.csdn.net/u012328159/article/details/80959454?tdsourcetag=s_pctim_aiomsg
地址2：https://blog.csdn.net/qq_30091945/article/details/89406457?tdsourcetag=s_pctim_aiomsg

1. 下载 CUDA10.0

进入CUDA官网下载最新的Cuda10.0的安装包
在这里插入图片描述

2. 安装 CUDA 10.0

下载完成后，利用cd命令进入到该文件所在的文件夹中，一般是Download文件中，打开终端，输入以下命令：

sudo chmod 777 cuda_10.0.130_410.48_linux.run

sudo sh ./cuda_10.0.130_410.48_linux.run

首先按住空格键，使得出现100%阅读完手册，然后进入以下选项：

Do you accept the previously read EULA?  输入： accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48? 输入： no

Install the CUDA 9.0 Toolkit? 输入： yes

Enter Toolkit Location [ default is /usr/local/cuda-9.0 ]: 直接回车默认即可

Do you want to install a symbolic link at /usr/local/cuda?  输入： yes

Install the CUDA 9.0 Samples?  输入： yes  路径依旧回车默认

安装到最后的时候，会出现warning，是因为没有选择安装 NVIDIA 驱动，不管他，之前已经安装过了。

如果提示 incomplete installed，这是因为待会要把cuDNN压缩包里面的东西放入安装目录下，马上就会介绍怎么放。

3. 添加环境变量

打开.bashrc文件，配置环境变量。

sudo gedit ~/.bashrc

在打开的文件里面添加下面两句：

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

使配置的环境生效

sudo source ~/.bashrc

4. 测试 CUDA 是否安装成功

打开终端，输入命令

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery

sudo make

sudo ./deviceQuery

如果显示如下，则证明成功
在这里插入图片描述
最后，查看安装的驱动版本
在终端输入命令

nvcc -V

在这里插入图片描述

安装 cuDNN 7.4

1. 下载cuDNN

进入官网下载cuDNN
地址：https://developer.nvidia.com/rdp/cudnn-download

可能需要注册账号并填写问卷才可以下载（该版本的cuDNN已上传到CSDN，可以在我的上传中找到）
地址：https://download.csdn.net/download/firehuiplane/12636084
在这里插入图片描述

2. 安装 cuDNN

安装包下载完成后，利用cd命令进入安装包所在的文件夹中，对安装包进行解压

sudo tar -zxvf ./cudnn-10.0-linux-x64-v7.4.2.24.tgz

然后将 cuDNN 里面的一些文件拷贝到刚刚安装好的cuda-10.0的安装目录下，并设置权限。

sudo cp cuda/include/cudnn.h /usr/local/cuda/include 

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 

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

安装GPU版本的PyTorch

1. 安装 PyTorch

使用 pip 命令安装GPU版本的pytorch

pip install torch==1.2.0 torchvision==0.2.2

2. 测试 Pytorch

打开终端输入：python
输入以下代码

import torch
torch.cuda.is_available()

如果返回的是 True 则证明安装成功。

安装GPU版本的 TensorFlow

1. 安装 TensorFlow

使用 pip 命令安装GPU版本的pytorch

pip install tensorflow-gpu==1.13.2

2. 测试 TensorFlow

打开终端输入：python
输入以下代码

import tensorflow as tf

a = tf.constant(1)
b = tf.constant(2)
c = tf.add(a,b)
with tf.Session() as sess:
    print(sess.run(c)

如果返回的是 True 则证明安装成功。
如果出现如下图所示内容则证明安装成功
在这里插入图片描述

PhenomenonMe
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Linux系统搭建深度学习环境详细教程
柏拉图工作室-AI学科
10-14 2215
1.下载Miniconda 我们直接去国内的清华源下载,下面是链接地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 下载完之后，我们开始安装 2.安装Miniconda 首先进入~/Downloads目录 我们完成了安装 执行换源操作 channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.
Ubuntu16.04%2B+cuda10+%2B+cudnn7_安装教程.pdf
02-24
CUDA安装后，通常需要安装cuDNN来支持深度学习框架，比如TensorFlow、PyTorch等。cuDNN是NVIDIA提供的深度神经网络加速库，它能够使深度学习程序运行得更快。cuDNN的安装步骤包括从NVIDIA官方提供的cuDNN下载页面...
Ubuntu系统安装Nvidia显卡驱动、Cuda、Cudnn、Pytorch、Tensorflow
weixin_40428368的博客
07-31 4064
torch 笔记
Linux配置深度学习环境
为援不可图
10-22 2691
今天在阿里云上申请了一个深度学习服务器，碰到了很多坑，在网上查了好多资料，大都是自己电脑可以别的电脑就不可以的那种，整合了多个博客的文章才把环境配置好，现在写一个完整的配置方案，以后用起来就方便多了，也供大家参考。 一、首先安装nvidia驱动： ***在官网上查找符合自己gpu的驱动：http://www.nvidia.com/Download/index.aspx，选择合适的版本下载。 更新系...
Linux服务器配置深度学习环境
最新发布
W18237579818的博客
11-27 931
Linux服务器配置深度学习环境
linux服务器配置深度学习环境
qq_41037660的博客
12-22 2264
自己服务器账号安装环境的顺序： 创新环境、新环境安装cuda、安装新环境cuda匹配的pytorch 用anaconda 可以cudatoolkit和pytorch一起装，可以设置清华镜像 cuda 自己装的cuda跟系统cuda没关系，跟base环境下也没关系。自己可以用系统的cuda。 自己环境的cuda版本就要跟驱动版本匹配，比如我们服务器Driver Version: 450.119.03，那就是我们可以装这些 ...
关于linux系统上深度学习的环境配置
AME_xiaose的博客
04-17 1425
深度学习环境安装
ubuntu16.04 cuda10.0 pytorch安装（csdn）————程序.pdf
12-04
完成上述步骤后，你应该已经成功地在Ubuntu 16.04上安装了CUDA 10.0、Python 3.7、PyTorch和torchvision，并且可以使用GPU进行深度学习计算。请确保在运行PyTorch代码之前检查GPU是否可用，例如： ```python import ...
TensorRT-7.0.0.11.Ubuntu-16.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar.gz
12-07
**TensorRT 7.0.0.11**: TensorRT 7是一个重要的版本，它提供了对更多深度学习框架的支持，如TensorFlow、PyTorch、Keras等，并且优化了对现代GPU架构的利用。在这一版本中，用户可以利用动态形状（Dynamic Shapes）...
cuda10.0和cudnn10.0
01-20
- 支持的操作系统包括Windows 7/8.1/10、Linux（包括Ubuntu 16.04、18.04等）、macOS等。 2. **性能提升：** - 提供了新的优化工具，如NVIDIA Nsight Systems和NVIDIA Nsight Compute。 - 改进了内存管理机制，...
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
支持CUDA10的tensorflow-gpu轮子
11-29
这个文件是一个tensorflow的GPU版本的轮子，通过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
tensorflow1.12支持cuda10
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
CenterNet-TensorRT:这是使用TensorRT和CUDA的CenterNet的C ++实现
04-13
Ubuntu 16.04 PyTorch 1.2.0（用于与Tenson RT5在Jetson Tx2中的兼容性） CUDA 10.0 [必需] TensorRT-7.0.0.11（用于CUDA10.0）[必需] CUDNN（对于CUDA10.0，可能不使用）[必需] libtorch（cpu版本的Torch c +...
linux服务器配置深度学习环境，看这一篇就够了
weixin_41796280的博客
09-19 9582
linux深度学习环境配置
Linux-Ubuntu系统配置深度学习环境搭建
云主宰苍穹
07-20 859
title: 深度学习环境搭建详细教程 copyright: true top: true date: 2020-07-20 15:33:14 categories: ML & DL tags: MachineLearning 开发环境 platform 操作系统 OS Windows 7 Windows 10 Ubuntu 18.04 Ubuntu 16.04 Ubuntu 20.04 开发语言 Python3 Anaconda3 Jupyter Lab & Jupyte.
深度学习环境配置
cyl9413的博客
12-30 2836
深度学习环境配置  前两个礼拜一直在折腾深度学习环境配置，现做如下笔记。这里对Ubuntu16.04配置gtx1060深度学习环境： cuda8.0+cudnn5.1+tensorflow0.11+theano0.81.装系统  装系统本身很简单，不管是单系统还是双系统。重点是我们得先明白，硬盘分区分为MBR和GPT两种格式，这两种硬盘格式对相应系统是不兼容的。   早期的硬盘分区格式为MBR格
Ubuntu16.04安装nvidia驱动+CUDA+cuDNN
haptony的博客
10-14 966
文章目录Ubuntu16.04安装nvidia驱动+CUDA+cuDNN准备工作1.查看GPU是否支持CUDA2.查看Linux版本nvidia驱动1. 先卸载原有N卡驱动2. 禁用nouveau驱动3.禁用X-Window服务4.命令行安装驱动5.Driver测试：CUDA安装1.下载对应系统的CUDA2.安装3.配置环境变量4.验证安装*5.CUDA卸载cuDNN安装Reference Ub...
ubuntu16.04系统安装CUDA10.0.130记录
chrisspf的博客
07-06 463
基本上所有有关图像深度学习的项目都需要用到cuda，记录一下安装过程。 Ubuntu16.04系统，安装cuda10.0版本，安装好的系统几乎都是4.15的内核，因此需要降低内核版本至4.4.0，内核降低教程见链接: Ubuntu内核版本降级. cuda的安装的前的要求参考链接: NVIDIA CUDA Installation Guide for Linux. 安装之前要确定电脑有支持cuda的显卡，内核版本以及GCC版本是否复合cuda10.0版本的要求。 1.首先禁用 nouveau驱动 lsmod
Ubuntu 16.04 + CUDA 8 + Caffe 安装教程：GPU驱动与工具集部署
本篇教程详细介绍了在Ubuntu 16.04操作系统上安装CUDA 8.0、cuDNN 5.1以及Caffe的过程，特别适合那些在使用NVIDIA GTX 750Ti GPU进行深度学习开发的用户。以下是安装步骤的详细解析： 1. 系统环境与依赖准备 - ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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