Ubuntu18.04.1 深度学习配置 GPU环境配置

Ubuntu18.04.1 深度学习配置 GPU环境配置（真实机，而非虚拟机）

• Ubuntu18.04.1、Cuda 9.1、cuDnn 7.0、anaconda3.5.0、Tensorflow1.8.0、Pycharm配置

1、硬件与软件版本

显卡：GeForce GTX 1080 Ti * 2

CPU：Inter Core i7-6850K

系统：Ubuntu18.04.1

cuda：9.0版本

cuDnn：v7

anaconda：3.5.0版本

Tensorflow：1.8.0版本

Pycharm：下载最新的即可。

 2.Nvidia 显卡驱动安装

使用的是ppa源安装的方式。

2.1  删除旧的驱动

原来Linux默认安装的显卡驱动不是Nvidia的驱动，所以应该先把旧的驱动卸载掉。

# 删除
sudo apt-get purge nvidia*

2.2  禁止自带的nouveau nvidia 驱动

 进入到       /etc/modprobe.d          目录下，看有没有blacklist.conf文件，如果有的话使用下面的命令；

#打开配置文件
sudo gedit /etc/modprobe.d/blacklist.conf

如果你的Ubuntu系统中没有 gedit 编辑器，有 vim 编辑器，使用下面的命令。
sudo vim /etc/modprobe.d/blacklist.conf 

如果没有上面的blacklist.conf文件,应该会有blacklist-nouveau.conf 文件，使用下面的命令；

#打开配置文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

如果你的Ubuntu系统中没有 gedit 编辑器，有 vim 编辑器，使用下面的命令。
sudo vim /etc/modprobe.d/blacklist-nouveau.conf

上面主要是需要打开配置文件，运行上面命令后，会弹出一个文本文件如下图所示。

在这个文件的最后一行填写禁止配置内容。

blacklist nouveau
options nouveau modeset=0

填写后下图所示。

更新配置文件

sudo update-initramfs -u

最后需要进行重启重启之后，因为禁止了显卡的驱动，所以重启后显示的效果很不好，通过这个可以看出，是否完成这一步操作。

2.3  添加Graphic Drivers PPA

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

查看合适的驱动版本：

ubuntu-drivers devices

如下图所示：

从图中可以看出可以选择的驱动版本，在这里选则最高的版本415(也是recommended 版本)。通过如下命令进行安装，安装完成后重新启动。（安装过程有慢）

# 安装
sudo apt-get install nvidia-driver-396
# 重启
sudo reboot

安装完成后，通过如下命令检测是否安装成功.

sudo nvidia-smi

如果成功会显示下图所示。 

继续输入如下命令： 

sudo nvidia-settings

显示下图，则说明安装成功。 

完成显卡驱动安装。 

3.cuda 9.0 安装

3.1 下载文件

 首先在官网下载run文件，如图所示，选择适合的run文件。下载地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal

3.2 安装依赖库

 在下载完成后在运行这个run文件之前先安装依赖库，也不知道是干什么用的。反正给他安装了，再往下进行。

看的这个教程。https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html

# 依赖库安装
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

但不做这步直接运行run文件会出现如图所示

3.3 gcc降低版本 

 CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己进行配置，通过以下命令才对gcc版本进行修改。

#查看版本
g++ --version

# 版本安装：
sudo apt-get install gcc-5
sudo apt-get install g++-5

通过命令替换掉之前的版本：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

3.4 安装cuda

运行run文件。

sudo sh cuda_9.0.176_384.81_linux.run

注意：在安装过程中会提示是否需要安装显卡驱动，如图所示，在这里要选择n，其他的选择y或者回车键进行安装。

到最终结果如果没有错误，得到的结果如下图所示。

其他不正确的形式：

还有其他形式的，但是没有遇到，对于这种情况可能是某些依赖库没装好；解决方法是先安装一下依赖库，然后重启，结果就可以了。

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3.5 环境配置 

 完成以上的步骤以后一定要进行环境的配置，按步骤输入以下命令：

sudo gedit ~/.bashrc

会弹出一个可以写的配置文件，在末尾把以下配置写入并保存。如下图所示，上面的是弹出的配置文件，下面是添加好厚的配置文件。

最后执行：

source ~/.bashrc

重启电脑。

3.6 测试是否安装成功

在安装的时候也相应安装了一些cuda的一些例子，可以进入例子的文件夹然后使用make命令执行。 

# 第一步，进入例子文件
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
# 第二步，执行make命令
sudo make
# 第三步
./deviceQuery

 如果结果有GPU的信息，说明安装成功。如下图所示：

......

出现上面的界面，则说明完成CUDA 9.0 的安装。 

当运行程序的时候也可以通过如下命令查看GPU是否在使用：

nvidia-smi

4. cuDnn v7 安装 

4.1 cuDnn v7 下载

cuDNN安装的方式非常简单，官网的安装指南有两种方式进行安装。我随便选择了一种方式进行安装。在这个方式中首先需要下载合适的安装包，因为我的CUDA 是9.0的版本，所以选择如下图三个文件安装包： 

4.2 安装

 安装过程如下:

# 安装命令
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

4.3 测试是否安装成功 

安装完成以后需要进行测试是否安装成功，测试的过程如下图所示。

用来进行测试的命令。

# 如图中的命令
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

最终如果有提示信息：“Test passed! ”，则说明安装成功，如图所示：

 

5. anaconda 3.5.0 安装

对于anaconda3 的安装非常简单，从官网中直接下载3.5版本的sh文件。然后执行如下命令对conda进行安装，我下载的是Anaconda3-5.1.0-Linux-x86_64.sh，过程直接yes、yes安装即可。

最后会询问是否添加到环境变量，输入yes就行。(这样是为了可已在terminal中使用python。由于anaconda中自带了python3.6.2所以不需要单独下载python，但是考虑到pycharm中需要填写python路径，可一直接考虑使用anaconda中自带的python就行。)

bash Anaconda3-5.1.0-Linux-x86_64.sh

安装完成后要重启电脑才能打开jupyter notebook。重启之后在终端输入一下命令进入notebook： 

jupyter notebook

 打开notebook界面如下，是声称在浏览器中的。

6.Tensorflow 1.8.0 安装

安装完anaconda 以后可以在终端直接用pip 对TensorFlow和Keras的各种包进行安装：

安装命令：

# 安装 gpu 版本的 tensorflow 和 keras
pip install tensorflow-gpu # 默认安装最新版本
pip install tensorflow-gpu==1.8.0 # 安装指定版本

#如果是其他别的包，使用下面命令
pip install 包的名称

#如果是numpy包
pip install numpy

7.Pycharm 安装 

在官网上下载对应的版本，linux 64位，社区版。下载地址：https://www.jetbrains.com/pycharm/

#使用命令进行解压
tar zxvf pycharm-community-2018.3.tar.gz

#然后cd 到 pycharm--community-2018.3文件夹下的 bin 文件夹下 ,然后输入下面命令，运行pycharm
./pycharm.sh

如下图： 

然后在pycharm中的File --> settings -->  Project:untitled -- > Project Interpreter 下面输入python的位置，～/anaconda3/bin/python3.6

这样就完成了pycharm的安装以及配置。

 

说明

对于一些数据量很大的神经网络的运算，使用CPU训练速度很慢，所以使用GPU可以很大程度上加速网络的训练。

本篇博文大部分根据https://blog.csdn.net/weixin_41863685/article/details/80303963这位博主，写的非常详细，基本上照着可以一次安装成功。我在安装过程中有一些跟他不一样的地方(不知道是电脑的原因还是怎么回事)。记录下来，方便下次安装。