在此之前,说下为什么选择此套环境的配置,新版本可能的不兼容让坑变得无数多,所以就选择一个容易配置且兼容的环境
一、系统ubuntu16.04
二、安装NVIDIA显卡驱动:
csdn中有很多显卡驱动的安装方式,大多数人在安装显卡驱动时卡在关闭Xserver上,在此推荐一种较为简单,不用折腾的安装方式:
从软件更新器中的附加驱动直接选择最新的版本,中间可能会暂停,需要重新选择。若附加驱动找不到NVIDIA最新的显卡驱动,可以先升级一下系统:
sudo apt-get update
sudo apt-get upgrade
安装完成后,可以使用nvidia-smi查看驱动程序:
三、cuda的安装
cuda的版本一定要根据你一会安装的tensorflow的版本选择,目前tensorflow1.13.0支持cuda10.0,cuda10.0可以从下链接进行下载:https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
按照你选择的版本按照命令进行安装即可:
注意:cuda第一步是安装NVIDIA显卡驱动,在第一步时,我们已经进行过显卡驱动的安装,在此输入no,跳过这一步。若此前没有安装显卡驱动,按照其步骤进行安装。
安装完成后,在/usr/local/下会有cuda-10.0的文件夹。
打开bashrc文件:
sudo gedit ~/.bashrc
添加:
export LD_LIBRARY_PATH=$LDLIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
如图:
保存并关闭,输入
source ~/.bashrc
输入
nvcc --version
显示cuda信息:
安装完成!
四、cudnn安装
进入NVIDIA官网 https://developer.nvidia.com/rdp/cudnn-download
需要注册开发者会员才能下载。
点击cudnn v7.5.0,cuda10.0
把cudnn运行库和开发者库都下载下来,参考官方文件进行安装: https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installcuda
五、anaconda安装
anaconda官网: https://www.anaconda.com/
1:进入下载界面下载:
我选择的是3.7版本,tensorflow1.13.0也支持了python3.7
下载完成后进入下载界面直接bash就行:
sudo bash XXXX(下载的文件名).sh
安装中会提示是否把路径添加到bashrc文件,要选择是。
按装完成后,使用:conda list 查看base环境下安装的库。
2:个人环境的创建:
conda create -n your_env_name python=(希望环境使用python的版本)
环境激活:source activate your_env_name
环境退出:source deactivate
3:安装tensorflow1.13.0
终端输入:sudo pip3 install tensorflow-gpu-1.13.0
安装完成即可。
附:学习深度学习会遇到的显卡配置: