之所以写这篇博客,还是因为目前网上的搭建教程太多然而却没有几个是真正有效的。
话不多说,下面就开始,因为有不少内容是综合了几个教程的,因此难免有相同部分。
第1步:安装先决条件
在安装任何东西之前,让我们首先更新存储在计算机上的软件包的信息,并将已安装的软件包升级到最新版本。
sudo apt-get update
sudo apt-get upgrade
接下来,我们将在安装过程中安装一些我们可能需要的基本软件包。 另外,删除不需要的包。
sudo apt-get install -y build-essential cmake gfortran git pkg-config
sudo apt-get install -y python-dev software-properties-common wget vim
sudo apt-get autoremove
第2步:安装驱动
执行如下语句安装NVIDIA驱动
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390 //驱动版本不同,对应不同的数字(我是1080Ti显卡)
sudo apt-get install mesa-commoon-dev //本句及下一句命令有的电脑需要,有的电脑不需要,根据实际情况输入命令
sudo pat-get install freeglut3-dev
执行完上述命令后若无问题,重启,若有问题,单独查资料解决
sudo reboot
重启后输入:
sudo nvidia-smi
如果显示GPU列表,则证明驱动安装成功了
第3步:安装CUDA
注意:这里cuda9.0如果安装官网上的版本,由于官网是最新的,可能会导致一些问题,建议下载我百度云中的版本呢:
链接:https://pan.baidu.com/s/1jVvRQT8bIg1JFxd0KRLbZA 密码:x0bc
下载文件后,进入下载文件的文件夹,从终端运行以下命令安装CUDA驱动程序。
请确保下面的命令中使用的文件名与下载的文件相同。
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-get update
sudo apt-get install -y cuda-9.0
输入 reboot 重启电脑
测试CUDA的例子
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示的是关于GPU的信息,则说明安装成功了。
第4步:安装CUDNN
网上版本也不对,建议下载我百度云中的:
链接:https://pan.baidu.com/s/1o4_YNQMobSXPcD6H3e6zug 密码:4j2j
从下载目录打开终端输入:
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb
第5步:安装Anaconda
bash Anaconda3-5.1.0-Linux-x86_64.sh //注意,这里安装下载的对应的anaconda版本
第6步:安装tensorflow(gpu)
使用conda命令创建一个python版本为3.5的TensorFlow环境:
conda create -n tensorflow python=3.6
创建完成之后,通过下面命令激活并进入tensorflow环境:
source activate tensorflow
在该环境下输入下面命令进行tensorflow
:
pip install tensorflow_gpu
安装成功后可进入python
环境,导入tensorflow
包,如果没有错误的话,说明安装成功。
#导入tensorflow
import tensorflow
pip临时换源:(速度很快)
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
第7步:安装Keras
Keras的安装比较见到,直接输入命令进行安装即可:
pip install keras
至此,安装完成。
在终端输入 anaconda-navigator 可以进入anaconda3。