准备工作
lspci | grep -i nvidia #确认是nvidia显卡
uname -m && cat /etc/*release #确认是x86_64
gcc --version #确认gcc安装好了
sudo apt-get install linux-headers-$(uname -r) #安装kernel header
安装Nvidia显卡驱动
一.禁用自带的nouveau NVIDIA驱动
1.输入代码
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
2.在编辑器中添加内容
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
3.改好后执行
sudo update-initramfs -u
4.保存退出,重启系统。使用如下命令确认mouveau已经禁用。
lsmod | grep nouveau
输出内容为空。说明成功
5.禁用X服务:
sudo /etc/init.d/lightdm stop
禁用X服务后,可能需要进入命令行界面,按ctrl+alt+f1进入命令行界面,
在命令行界面下进行第二步,安装Nvidia驱动即可。
开启X服务:
sudo /etc/init.d/lightdm start
二.安装nvidia驱动
1.下载nvidia驱动
Nvidia驱动下载地址
2.安装Nvidia驱动
sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run
3.重启电脑
4.挂载Nvidia驱动:
sudo modprobe nvidia
5.输入代码,查看显卡信息
nvidia-smi
正常显示则通过
一、CUDA9.0下载&安装
CUDA9.0下载地址
1.选择自己的操作系统,处理器架构,软件发行版本,操作系统版本号,安装文件类型如下:
2.下载CUDA9.0
3.安装CUDA9.0
在文件地址,打开terminal,按顺序输入如下命令:
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
4.在CUDA完成安装之后,还需要添加环境变量,打开终端,输入下面的命令:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
- 如果是64位系统,输入:
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
- 如果是32位系统,输入:
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
- source一下
source ~/.bashrc
5.测试,终端输入:
如果有错,终端输入:
sudo apt install nvidia-cuda-toolkit
测试:
nvcc -V
如果可以看到cuda的版本信息,则表示成功
6.接着尝试运行一下cuda中自带的例子:
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
可以看到Result = PASS,则表示成功:
二、cuDNN下载&安装
cuDNN下载地址(需要注册账号登录)
1.选择与CUDA9.0对应的cuDNN版本,下载下图框中的包
2.安装cuDNN,按顺序执行下面代码
tar xvzf cudnn-9.0-linux-x64-v7.2.1.38.tgz
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 dpkg -i libcudnn7_7.1.4.18-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.1.4.18-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.1.4.18-1+cuda9.0_amd64.deb
3.测试
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
4.如出现Test passed!则完成
三、Tensorflow-gpu下载&安装##
Tensorflow总共有4中安装方式,这里主要介绍二进制安装和Virtualenv安装:
###二进制安装(推荐,因为非常简单)
1.安装pip
sudo apt-get install python-pip python-dev # for Python 2.7
sudo apt-get install python3-pip python3-dev # for Python 3.n
2.安装tensorflow-gpu,(注意tensorflow的版本)
- Python 2.7版本:
pip install --upgrade tensorflow-gpu
- Python 3.x版本:
pip3 install --upgrade tensorflow-gpu
经过这一步骤之后,tensorflow就安装完成了。
如果安装速度慢,且没法翻长城的话,可以使用清华的源,超级快
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
###Virtualenv安装(安全)
使用Google官方推荐的安装方式:Virtualenv,创建一个虚拟Python开发环境。
1.安装pip和Virtualenv
- 如果使用Python 2.7的版本,输入
sudo apt-get install python-pip python-dev python-virtualenv
- 如果使用Python 3.x的版本,输入
sudo apt-get install python3-pip python3-dev python-virtualenv
两者选择一个就行,个人推荐Python 3.x版本
2.创造一个虚拟的Python开发环境:
- 第一步如果选择Python 2.7版本,终端输入:
virtualenv --system-site-packages ~/tensorflow
- 第一步如果选择Python 3.x版本,终端输入:
virtualenv --system-site-packages -p python3 ~/tensorflow
注意: ~/tensorflow是自己选择的位置并创建的目录。大家可以自行选择其他的位置和命名。本教程创建完成之后,会在用户home目录下看到多出一个tensorflow文件夹
3.激活虚拟环境:
- 如果你的终端是bash, sh, ksh, zsh中的一个,那么输入:
source ~/tensorflow/bin/activate
- 如果你的终端是csh,tcsh,那么输入:
source ~/tensorflow/bin/activate.csh
如果不知道的话,那就输入第一个,Ubuntu默认是第一个,之后,命令行前会多出白色**(tensorflow)**
4.保证pip的版本不低于8.1,再虚拟环境中输入:
easy_install -U pip
5.安装tersorflow-gpu版本:
- Python 2.7版本:
pip install --upgrade tensorflow-gpu
- Python 3.x版本:
pip3 install --upgrade tensorflow-gpu
经过这一步骤之后,tensorflow就安装完成了。
如果安装速度慢,且没法翻长城的话,可以使用清华的源,超级快
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
- 以后,如果需要使用tensorflow,则打开终端输入:
source ~/tensorflow/bin/activate
- 如果需要关闭虚拟环境,输入
deactivate
测试
1.打开python3环境,输入查看版本和路径:
import tensorflow as tf
tf.__version__
tf.__path__
2.在python环境下,输入下面代码,如果看到GPU信息,即tensorflow-gpu版本安装成功
import tensorflow as tf
tf.Session()