1:安装英伟达显卡驱动`
首先卸载之前安装过的Nvidia驱动
sudo apt-get --purge remove nvidia-*
下载驱动:http://www.geforce.cn/drivers(版本号查询:sudo dpkg --list | grep nvidia-*)
安装需要的依赖
sudo apt update
sudo apt install dkms build-essential linux-headers-generic
安装驱动包
接下来的步骤需要关闭图像界面,转而在文字界面进行
首先,Ctrl+Alt+F1进入命令提示符界面
然后,输入对应的username和passwd进入命令行.
最后,使用指令sudo service lightdm stop 关闭图形界面,再利用cd指令进入下载好的驱动目录
sudo chmod 755 NVIDIA-Linux-x86_64-384.111.run #修改权限(否则没有访问权限,无法进行指令安装)
sudo ./NVIDIA-Linux-x86_64-384.111.run –no-x-check –no-nouveau-check –no-opengl-files #安装驱动
#–no-x-check 关闭X服务
#–no-nouveau-check 禁用nouveau
#–no-opengl-files 不安装OpenGL文件
#安装完成后
sudo update-initramfs -u
sudo reboot
判断显卡驱动是否安装成功
nvidia-smi
2:Linux下CUDA8.0+cuDNN5.1的安装
1:CUDA8.0下载(https://developer.nvidia.com/cuda-80-ga2-download-archive)
注意这里下载的是cuda8.0的runfile(local)文件。
2:安装CUDA
下载完成后,切换到该目录输入,进行安装
sudo sh cuda_8.0.61_375.26_linux.run #写入cuda的文件名
3:安装过程
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64
361.62?
(y)es/(n)o/(q)uit: n (最重要的一步)
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
4:添加环境路径
sudo gedit ~/.bashrc (这里可能要安装gedit)
尾部添加:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/
使得环境变量生效
source ~/.bashrc
测试CUDA的sammples
cd /usr/local/cuda-8.0/samples
sudo make all
cd ./1_Utilities/deviceQuery
sudo make
./deviceQuery
若会输出相应的显卡性能信息,表明cuda安装成功。
3:cuDNN安装
1:下载cuDNN,解压。
tar -zxvf cudnn-8.0-linux-x64-v7.tgz
2:安装cuDNN比较简单,解压后把相应的文件拷贝到对应的CUDA目录下即可
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
3: 更改动态文件链接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
以下的两步设置软连接时
一定要注意自己电脑的/usr/local/cuda/lib64/下的libcudnn.so.5.1.10名字,
有的可能是libcudnn.so.5.0.5等,要依据自己的电脑上的文件来定
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软链接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
cuDNN后续升级
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.x libcudnn.so.5 #生成软链接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
解释,根据升级对应的版本号修改x符号
四:安装TensorFlow
1:安装pip(3.n)
sudo apt-get install python3-pip python3-dev
2:安装TensorFlow(3.n)
pip3 install tensorflow-gpu
3:测试
python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))