配置深度学习环境

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/nan9909/article/details/87162173

配置深度学习环境

一、编译cmake

tar -zxvf cmake-3.12.0.tar.gz		(解压)
cd camke-3.12.0
./bootstrap --prefix=/(此处填写安装路径)
make -j4
make install

or

sudo apt install cmake-gui

二、安装NVIDIA driver并cuda

1.关闭图形界面,进入命令行界面

vim /etc/modprobe.d/blacklist.conf
# 在最下方添加 blacklist nouveau 
# 屏蔽 nouveau 并更新内核,修改系统设置需要sudo权限
sudo update-initramfs -u
# 按 Ctrl + Alt + F1 进入命令行界面,执行下面语句关闭X Server,需要sudo权限
sudo /etc/init.d/lightdm stop

2.安装

chmod a+x cuda_8.0.61_375.26_linux.run		(文件名根据实际的版本更改)
./cuda_8.0.61_375.26_linux.run
# 加载出来后长按空格跳过前面的简介

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: yes

Install the CUDA 8.0 Toolkit?			##是否安装工具包?
(y)es/(n)o/(q)uit: yes

Enter Toolkit Location					##填写安装路径
 [ default is /usr/local/cuda-8.0 ]: /(此处填写安装路径)
 
 ##其余选择no
 
 ##等待安装完成后,执行下面语句恢复X Server界面显示
sudo /etc/init.d/lightdm restart


#安装成功后输入nvidia-smi即可看到驱动程序安装成功并显示显卡信息

vim ~/.bashrc
# 在末尾添加
export PATH=/(此处填写安装路径)/cuda_8.0.61(cuda版本)/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/(此处填写安装路径)/cuda_8.0.61(cuda版本)/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export C_INCLUDE_PATH=/(此处填写安装路径)/cuda_8.0.61(cuda版本)/include${C_INCLUDE_PATH:+:${C_INCLUDE_PATH}}
export CPLUS_INCLUDE_PATH=/(此处填写安装路径)/cuda_8.0.61(cuda版本)/include${CPLUS_INCLUDE_PATH:+:${CPLUS_INCLUDE_PATH}}
# 然后刷新环境变量
source ~/.bashrc

# 使用 nvcc -V 可以查看cuda环境变量是否配置成功

三、安装cudnn

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz #解压出来的文件夹名称就叫cuda
cd cuda/include
cp cudnn.h /(此处填写cuda安装路径)/cuda_8.0.61(cuda版本)/include
cd ../lib64
cp -a lib* /(此处填写cuda安装路径)/cuda_8.0.61(cuda版本)/lib64
# 到这里cudnn就已经加入到cuda的包含目录里面了,也可以不放进cuda里面,放外面之后要改环境变量比较麻烦

四、安装anaconda

# 安装Anaconda3,因为Anaconda是python都是可以本地安装的,而系统的python需要权限,所以我们都使用Anaconda即可
sh Anaconda3-5.2.0-Linux-x86_64.sh
# 输入本地路径 /(此处填写安装路径)/anaconda3,它会自己创建所以不需要我们创建路径
# 过程中记得选择yes将Anaconda3添加到~/.bashrc环境变量,这样子就我们使用Python的时候优先使用Anaconda而不是系统的Python
# 安装完成之后修改pip源,使用国内的pip源可以极大地提高pip下载速度,可以省去不少时间
# 更换了清华大学的pip源,Anaconda和系统的python都是通用的,做法如下:
cd ~/ && mkdir .pip && cd .pip && vim pip.conf
# 然后输入:
[global]  
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
[install]  
trusted-host=pypi.tuna.tsinghua.edu.cn 
disable-pip-version-check = true  
timeout = 6000
# 然后保存即可
#安装之后需要的一些Densepose和Caffe2的python依赖包,执行单句语句
pip install --ignore-installed -U pip numpy pyyaml matplotlib setuptools Cython mock scipy typing future protobuf opencv-python memory-profiler

五、安装tensorflow-gpu

pip install tensorflow-gpu

六、安装opencv

pip install opencv
展开阅读全文

没有更多推荐了,返回首页