【深度学习环境配置】Ubuntu安装Cuda、cuDNN、TensorFlow

【深度学习环境配置】

前言

深度学习配置环境很麻烦,因为要安装各种NVIDIA的库,尤其是cuDNN还得登录才能下载,今天总结一下Ubuntu安装Cuda、cuDNN、TensorFlow。

本机配置:

  1. Ubuntu:18.04

  2. 显卡:1080ti *6

安装之前需要确认已安装gcc和g++

$ gcc --version
$ g++ --version

安装cuda

去找到自己适合的版本CUDA Toolkit Archive | NVIDIA Developer,我要安装TensorFlow,官方案例版本为11.0。

选择版本后会进入下面页面CUDA Toolkit 11.0 Download | NVIDIA Developer

选择unfile安装方式,由于服务器网络原因,weget不到,所以手动在本地windows下载,直接复制weget后面的网址就行:

然后拖进xshell,发送到服务器里面,完事之后执行 sudo sh cuda_11.0.2_450.51.05_linux.run

因为装过驱动了,所以按enter键,取消选择Driver,然后install

安装完后,会提醒你添加环境变量:

# 1.切换回home目录
cd ~  
# 2.修改.bashrc文件
vim .bashrc     
# 3.进入.bashrc文件后,拉到最下面,然后键盘按E键,进入编辑模式添加:
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"  
# 4.按ESC键退出编辑
:wq   # 退出保存
# 5. 应用生效
source .bashrc 

编辑的其他操作:

:wq # 保存后退出i,若为 :wq! 则为强制存储后退出。
:w # 保存但不退出。
:w! # 若文件属性为【只读】,强制写入该档案。
:q # 离开vi。
:q! # 若曾经修改过档案,又不想存储,使用!为强制离开不存储档案。
:e! # 将档案还原到最原始状态!

检查安装cuda是否成功:nvcc -V,如下图已经变为11.0了

安装cudnn

进入官网选择对应的版本:cuDNN Archive | NVIDIA Developer

我安装的是11.0对应的版本:Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2

下载下面三个文件到本地电脑,然后用xshell或其他传到Ubuntu

安装命令:

ls #查看当前文件夹的所有文件
sudo dpkg -i libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb  #安装runtime
sudo dpkg -i libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb  #安装dev
sudo dpkg -i libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb  #安装samples

安装后可以进入/usr/src看看有没安装好的文件

cd ~         # 回到home
cd /usr/src  # 进入/usr/src
ls           # 查看文件列表

测试安装是否成功:

1)复制cuDNN samples到home目录下
$ cp -r /usr/src/cudnn_samples_v8 /$HOME

2) 进入home目录
$ cd $HOME/cudnn_samples_v8/mnistCUDNN/

3) 编译mnistCUDNN 
$ sudo make clean 
$ sudo make

4)运行mnistCUDNN 
$ sudo ./mnistCUDNN

第三步的时候出现fatal error: FreeImage.h: No such file or directory问题

解决:sudo apt-get install libfreeimage3 libfreeimage-dev

重新第三步 然后第四步得到结果:

安装TensorFlow

pip install tensorflow

测试是否能使用gpu,py文件:

import tensorflow as tf
print(tf.__version__)
# print(tf.test.is_gpu_available(cuda_only=True))
print(tf.config.list_physical_devices('GPU'))

运行出现:Could not load dynamic library 'libcusolver.so.11',检测不到显卡

解决方案:

sudo ln -s /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.11

如果不确定是否有这个文件夹,或者是否为11.0

cd /usr/local/ # 进入文件夹

ls # 展示文件列表

解决方案参考:

tensorflow - How to install libcusolver.so.11 - Stack Overflow(5条消息) Ubuntu 20.04 系统(双系统环境下)中深度学习环境配置(Pytorch + GPU)_白白净净吃了没病的博客-CSDN博客_虚拟机ubuntu能用gpu吗

参考文章:

[Ubuntu18.04上安装CUDA和cuDNN【Ubuntu上安装GPU版MindSpore1.0.1前的环境准备】-云社区-华为云 (huaweicloud.com)](

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在虚拟机Ubuntu 18.04上安装PyTorch,你可以按照以下步骤进行操作: 1. 首先,打开PyTorch官方网站,并选择适合你的Python版本的CPU版本。你可以使用conda或pip命令来安装。\[1\] 2. 如果你需要安装GPU版本的PyTorch,你需要确保你的系统环境与CUDAcuDNN和PyTorch版本相匹配。你可以在NVIDIA官方网站上找到之前各版本的CUDA下载链接。根据你的系统环境选择合适的版本进行下载,并记住高版本的CUDA也兼容低版本的Ubuntu系统。\[2\] 3. 安装完成后,你可以通过运行一些命令来验证PyTorch的安装情况,例如查看PyTorch的版本号。\[3\] 希望这些信息对你有帮助! #### 引用[.reference_title] - *1* *2* [Ubuntu18.04安装Pytorch](https://blog.csdn.net/ha_____ha/article/details/103751981)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [ubuntu18.04安装pytorch1.9.0和torchvision0.10.0](https://blog.csdn.net/qq_58133908/article/details/127480146)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GIS_宇宙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值