Minskyli

有多勤奋,有多幸运

Ubuntu16.04+1080ti+cuda8.0+cudnn6.0+Anaconda3+opencv3+pytorch+tensorflow-gpu+pycharm配置

总体流程

  1. 安装Ubuntu16.04及显卡驱动

  2. 安装CUDA8.0、CUDNN6.0、Anaconda3

  3. 安装pytorch,安装tensorflow,安装opencv3,配置pycharm

安装Ubuntu16.04及显卡驱动

安装ubuntu16.04系统就不详细解释,网上有相关教程,可以点这里,建议选择语言为英文。
这里详细说明显卡驱动安装流程:
安装显卡驱动的大致流程为:进入命令行终端 –> 禁用lightdm桌面服务 –> 安装驱动 –> 启用lightdm桌面服务 –> 重启进入BIOS关闭secure boot –> 重启电脑
最重要的步骤为:重启进入BIOS关闭secure boot,此步若不操作,驱动将不会起效!
1. ubuntu系统安装完毕后,启动时会进入X桌面,可以用U盘将所有提前下载好的驱动、CUDA安装文件、CUDNN安装文件、anaconda3安装包等等文件拷贝到电脑中。
2. 禁用nouveau驱动。ubuntu默认使用自带的nouveau驱动,在安装NVIDIA驱动前,要先禁止nouveau驱动。

禁用nouveau驱动


3. 添加ppa库,通过ppa安装显卡驱动,注意不要从NVIDIA官网下载显卡驱动,直接通过ppa安装即可:

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-396

可根据ppa显卡驱动的网址来查看最新显卡驱动的安装序号,我安装的此时最新的nvidia-396。
若要测试是否安装成功,此时输入nvidia-smi会提示无此命令,驱动没有安装好。这个提示是正常的,因为我们实际上还没正式在BIOS禁用secure boot,现在先可以忽略这个警告。

禁用Secure Boot

ubuntu16.04有个重要的特性,就是如果需要安装第三方显卡驱动(NVIDIA的就是第三方显卡驱动),就必须在BIOS中禁用“安全启动”模式(secure boot),否则第三方显卡驱动将无法被启动!
输入sudo reboot重启电脑,电脑重启的那一刻,按下F2或者DEL键进入华硕的BIOS,这里只以华硕X99-E WS主板为例,其它主板请参考各自进入BIOS的方式。
1. 进入BIOS,点击BOOT(启动)菜单栏,往下选择“Secure Boot”:

2. 进入Secure Boot界面后,光标移动至“OS type”,选择为“Other OS”:

然后点击“Key Management”,进入界面。
3. 选择“Clear Secure Root Keys”,删除安全启动密钥,删除后就能禁止secure boot。

按下yes或comfirm,确认删除:

4. 按下F10,确认保存设置并重启电脑:

成功禁用secure boot之后,重启就能回到X桌面,Ctrl + Alt + T,调出命令行,输入nvidia-smi就能看见驱动信息:
这里写图片描述
恭喜你!已经成功安装显卡驱动。

安装Anaconda3、CUDA8.0、cudnn6.0、opencv3

安装anaconda3

首先点击这里,选择Python3.6-64-Bit (x86) Installer (551 MB) 。
然后cd进Anaconda3-5.0.1-Linux-x86_64.sh的下载的目录下。

chmod +x Anaconda3-5.0.1-Linux-x86_64.sh

./Anaconda3-5.0.1-Linux-x86_64.sh

然后一路yes到底,确认操作即可。
然后配置环境变量,命令行输入sudo vi ~/.bashrc
在底部插入以下这一句:export PATH=/home/ubuntu/anaconda3/bin:$PATH
然后按ESC,shift+zz/ZZ退出vim
然后输入:source ~/.bashrc,使其生效
然后可以输入:conda list python查看python版本

安装CUDA8.0

首先点击这里,选择Linux-x86_64-Ubuntu-16.04-runfile(local)进行下载。
然后cd进cuda的下载的目录下。
输入:sudo sh cuda_8.0.61_375.26_linux.run进行CUDA安装。
安装过程中会提示你进行一些确认操作,首先是接受服务条款,输入accept确认,然请注意,当询问是否安装附带的驱动时,一定要选N!我们在第一部分已经安装好最新的驱动,附带的驱动是旧版本的而且会有问题,所以不要选择安装驱动。然后会提示是否安装cuda tookit、cuda-example等,均输入Y进行确定。
然后利用CUDA-samples进行测试。

最后是配置环境变量,此步很重要,不配置环境变量系统将无法知道CUDA是否被安装:
先输入:cd ~
然后输入:sudo gedit /etc/profile,在底部插入以下两句话:

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

保存退出,最后输入:source /etc/profile,使设置生效。

安装cudnn6.0

CUDNN是NVIDIA用于加速深度学习的模块,装完CUDA之后就要装这个,首先点击这里,然后注册,登陆,填写调查问卷,然后选择Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0-cuDNN v6.0 Library for Linux进行下载。
然后cd进cudnn的下载的目录下,输入:

tar -xzf cudnn-8.0-linux-x64-v5.1.tgz

cd cuda

sudo cp lib64/* /usr/local/cuda/lib64/

sudo cp include/* /usr/local/cuda/include/

CUDNN就这样安装完毕。

安装pytorch,安装tensorflow,安装opencv,配置pycharm

安装pytorch

输入:conda install pytorch torchvision cuda80 -c pytorch即可。
我安装的版本为pytorch-0.3.1,torchvision-0.2.0。
随着提示,输入’y’,即安装成功。

安装tensorflow-gpu

tensorflow官网的安装中写了cuda_command_tools的安装,但是在安装cuda的时候,这个应该是被遗弃安装进来了,所以并不需要按照他给丁的方法进行安装,直接将环境写入路径即可:sudo gedit /etc/profile在最后写入:
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/cuda/extras/CUPTI/lib64
先检查pip是否是anaconda的pip:pip -V
然后安装tensorflow-gpu:pip install tensorflow-gpu

安装opencv3.3.1

输入:pip install opencv-python,然后按要求看是否要更新pip,若需要更新则输入:
pip install --upgrade pip
即安装成功。

配置pycharm

首先点击这里,选择coummunity社区免费版本,下载。
然后cd进pycharm的下载目录下,输入:

tar -xzf pycharm-community-2018.1.1.tar.gz

cd pycharm-community-2018.1.1/bin

sh ./pycharm.sh

如果需要保留原来版本的配置,则选择第一个,否则选择第二个,这里我选择第二个。
然后将说明翻到最下面,选择Accept。
安装完成后,会弹出PyCharm Initial Configuration框,PyCharm初始化配置。
Keymap scheme:键盘方案,选择Eclipse,意思是设置Pycharm为Eclipse快捷键
ide theme:皮肤主题,默认Intellij。可根据自己喜欢选其他的
Editor colors and fonts:编辑器的主题,可以点击下面的“Click to hide preview”进行预览,我这里选择的是 Darcula
然后下面的Create desktop entry 默认打勾就行了
最后点击OK,完成设置,这样pycharm就安装好了。然后就是配置pycharm
1. 点击File-Default Settings-Project Interpreter
2. 选择Project Interpreter最右边的设置,选择Add..,选择System interpreter,右边的路径选择anaconda3/bin/python3.6,选择OK
3. 选择绿标“+”号,搜索pytorch,然后出现pytorch-gpu,选择Install Package
4. 搜索opencv,然后出现opencv,选择Install Package
5. 搜索tensor flow,然后出现tensorflow-gpu,选择Install Package
至此,全部结束,happy start!

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_31531635/article/details/79963188
个人分类: 深度学习
上一篇深度学习之CNN反向传播
下一篇深度学习之MobileNetV1
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭