摘要
本文是经过多次失败的尝试后所得到的经验积累,作为分享
参考文章:
http://blog.csdn.net/zhaoyu106/article/details/52793183
安装Ubuntu 16.04.3
准备工作
- 使用iso镜像以及UltraISO在Windows下制作U盘启动盘 [相关教程]
- 在BIOS中选择U盘启动
[注意:BIOS中会有两个选项:UEFI和一个什么都没有,如果是空盘安装,且没有安装windows,请选择什么都没有那个,如果已经安装了windows,可以选择UEFI选项。如果在空盘下选择UEFI,安装grub的时候会报错] - 将显示器接在集成显卡端口
由于Ubuntu 16默认的驱动不支持1080,所以先用集成显卡,否则会黑屏
开始安装Ubuntu
- 任何下载更新或者安装额外更新的选项都不要勾选
- 在选择硬盘时,选中空硬盘后,点击+号,在挂载点选择第一个”/”,然后无视警告就可以安装啦
- 如果硬盘里有历史数据的同学,请备份好数据,慎重选择安装的地方
安装驱动
- 直接在搜索栏搜索“附加驱动”,选择第一个选项,应该是有一个类似于384.111的版本号的驱动,选中它,点击应用更改
- 自动下载安装后,重启系统
- 在Terminal输入nvidia-smi,如果能看到显卡具体信息,说明安装成功
安装CUDA + CuDNN
- 下载CUDA 8.0 + CuDNN v6
- 先将GCC降级,降级方法参考:http://blog.csdn.net/zhaoyu106/article/details/52793183
- 在终端输入 gcc -V来确保版本是5.0以下
- 然后,分别将cuda的原始deb包和update的deb包解包,然后再安装,具体方法官网有
- 将CuDNN解压缩,得到一个CUDA文件夹
- 执行如下语句
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*
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
- 更改bashrc文件:
sudo gedit ~/.bashrc
然后在打开的文本末尾加入:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
继续在terminal中输入:
source ~/.bashrc
安装tensorflow-gpu
- 下载Anaconda并安装
- 新建虚拟环境 :conda create -n tf python=3.5
- 安装tensorflow :pip install tensorflow-gpu==1.4
- 测试,在终端中输入:
source activate tf
python
import tensorflow
如果没有报错,那么大功告成
Pycharm缺少环境变量+无法获取libcudnn.so.6
参考:https://www.cnblogs.com/ZhengPeng7/p/7867871.html
Name: LD_LIBRARY_PATH
Value: 与~/.bashrc文件中保持一致