1.个人环境
系统:ubuntu 16.04(可在linux命令行通过命令 ~$ cat /proc/version查看)
权限:有root权限
cuda版本:cuda 10.0
对应的cudnn版本:cudnn7.6.5
2.安装cuda
1、安装cuda
cuda下载地址:https://developer.nvidia.com/cuda-downloads?
仿照下图进行选择.
下图Download(1.7GB)进行下载
2、给文件运行权限chmod +x cuda_10.0.148_396.37_linux.run
然后 ./cuda_9.2.148_396.37_linux.run
按回车至100%,参照下图依次accept------n-----y,然后再安装cuda时选择个人用户的目录,如/home/yourname/cuda92,link选择no,samples选择n,或者y选择目录。
修改个人用户的环境变量
vim ~/.bashrc
编辑
末尾添加如下语句
export PATH=$HOME/cuda10.0/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda10.0/lib64/
请注意修改之后 source ~/.bashrc
使环境变量生效
3、查看cuda安装状态
nvidia-smi 查看显卡驱动运行状态
nvcc -V 查看cuda-toolkit安装是否成功
2、安装cudnn
cudnn的安装,从官网下载https://developer.nvidia.com/cudnn(需要注册账号)
tar -xzvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
,解压,在cuda文件夹下。
拷贝过去cudnn->cuda92 (cuda10.0是个人用户的下的目录/home/yourname/cuda92),这里自己注意路径的正确。
cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64
chmod a+r /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*
1、查看cudnn安装状态
cat ~/cuda-10.0/include/cudnn.h | grep CUDNN_MAJOR -A5
2、cuda和cudnn迁移
如果你在服务器A安装了cuda和cudnn,现在需要迁移到服务器B,如果系统版本一致,只需复制,并修改服务器B.bashrc中cuda和cudnn的路径即可生效,无需重新安装。迁移好可以用前面提到的命令检查cuda和cudnn在服务器B是否生效。
3、安装anaconda
Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。里面所包含的Jupyter Notebook是数据挖掘领域中最热门的工具。(例如Kaggle网站)
废话不多说,现在我们开始来安装Anaconda。
打开清华镜像下载anaconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
1、安装
- 找到下载好的文件名为Anaconda3-5.3.0-Linux-x86_64.sh的安装包,如果你是通过自己的电脑下载的安装包,想在服务器上面安装Anaconda,那么你可以通过scp命令传输安装包到Centos服务器。如果你是在服务器上面下载的,那么请略过此步。
- 传输命令为:scp Anaconda3-5.2.0-Linux-x86_64.sh
tfdl@192.168.1.000:/home/yyn 然后根据提示输入密码即可。 - 等待读条完成后,就将安装包传输到了Centos服务器。
- 在Linux里面.sh文件是可执行的脚本文件,需要用命令bash来进行安装。
- 此时我们输入命令bash Anaconda3-5.2.0-Linux-x86_64.sh
- 如果安装过程出现下述错误 Ps:此错误由于缺失环境导致,不一定发生(一般为centos会有这个错误)
- 请输入
yum install -y bzip2
来安装环境
- 然后开启安装,在安装过程中,基本上不断按回车或者yes默认就行了。
- 不过注意最后一步有一个询问你是否安装vscode,emm如果你没有需要就输入no,毕竟在服务器里面都是用vim编辑器的,没必要多装一个。
2、配置环境变量
安装完成后,我们还需要对环境变量进行添加,方便我们启动。
vim ~/.bashrc
修改配置文件
#Anaconda
export PATH=$PATH:/home/software/anaconda3/bin
然后ESC ,:wq保存
最后更新bashrc文件:
source ~/.bashrc
4、创建深度学习环境
1、使用conda创建自己的环境:
conda create -n tf14 python=3.6.0
2、激活环境:
conda activate tf14
3、安装需要的python库:
pip install tensorflow-gpu==1.14.0
pip install keras
还可以使用-i 命令
-i https://mirrors.aliyun.com/pypi/simple/