写在前面
上一篇文章(从0开始安装Ubuntu)中,讲解了如何安装Ubuntu 18.04系统,以及安装完系统后的一些后续工作。
这篇文章主要讲解如何安装Nvidia相关的机器学习开发基础环境。还是老前提,使用本文的方式进行安装,需要有一个好用的梯子。
要做的事情:
- 安装Nvidia驱动与CUDA10.2
- 安装对应CUDA10.2版本的cuDNN7.6.5
机器配置:
CPU:i9-7940X
GPU:1080Ti × 2
内存:64G
磁盘:1T SSD + 2T HDD
STEP.1 安装CUDA10.2
选用10.2这个版本目前是存在一些小问题的,tensorflow最新版本目前只支持CUDA10.0,不过问题不大,后面都能解决。如果不放心也可以安装10.0版本,安装过程都是一样的。
可能有人会有疑问,正常安装方式是先安装显卡驱动,然后再安装CUDA,为什么这里直接先CUDA?
我之前也是这么安装的,但是存在一个问题,当显卡驱动与CUDA不能很好的匹配,则需要重新安装显卡驱动,然后再安装CUDA,比较耽误时间。后来我就采用这种方式,直接使用CUDA里面包含的显卡驱动,这样就能一气呵成,同时安装了显卡驱动与CUDA。
在进行安装之前,先确认本地具有“C”、“C++”等编译环境,如果没有的话需要执行以下命令进行编译套件的安装
sudo apt-get install build-essential
执行完成后,一定要重启。
准备工作完成后,访问Nvidia Cuda网址,下载安装脚本。
由于我的系统使用的是Ubuntu 18.04,所以选择好相应版本即可。
本文使用脚本方式进行安装,如下图:
选择之后,窗口下方会出现两行命令,作用是下载cuda安装脚本,并执行。
将下列命令复制到终端中执行。
wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run
等待下载完成自动执行脚本,可能需要几秒钟到几十秒钟的启动时间,然后就能看到一个界面,询问是否同意协议,输入“accept”按回车即可。
接下来会进行安装界面,把所有可安装的内容都勾选上,千万别忘记勾选显卡驱动了,然后把光标移动到“Install”菜单上,回车即可。
安装完成后可能会有一个错误提示,我之前没有截图,就不放出来了,那个不作为是否安装成功的依据。
电脑这时候重启一下,然后分两步验证安装是否成功。
第一步,验证驱动是否安装成功,执行下面命令
nvidia-smi
如果看到下图输出,则说明驱动安装成功
设置好CUDA环境变量:
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使用“source”命令使配置生效。
接下来验证CUDA是否安装成功,执行以下命令
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果编译未报错,看输出的最下方,显示“result=pass”则说明验证通过
Result = PASS
到此,CUDA就安装完成并验证通过了。
STEP.2 安装cuDNN7.6.5
cuDNN的安装还是比较简单的。
首先跳转到官网下载地址登录并下载,由于CUDA版本为10.2,所以cuDNN版本只能下载“Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2”
将下载文件解压之后就能得到一个“cuda”文件夹,执行以下复制命令,就安装完成了。
sudo cp cuda/include/cudnn.h /usr/local/cuda/inlude
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
至此,cuDNN也安装完成。
结束
本篇文章安装了显卡驱动,CUDA,cuDNN这三款软件,他们也是机器学习必不可少的基础。
下一篇文章,安装Tensorflow2.0,将介绍Tensorflow、Keras的安装,并用一个简单的神经网络对安装的环境进行验证。