ubuntu18.04深度学习环境安装

最新推荐文章于 2023-05-12 14:12:46 发布
最新推荐文章于 2023-05-12 14:12:46 发布
阅读量459 收藏 2
点赞数
分类专栏： 基础类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45783174/article/details/106713794
版权

(ubuntu18.04+cuda9.0)

ubuntu18.04

首先GCC 降级,由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，故手动进行降级，这里我降到4.8版本

sudo apt-get install gcc-4.8 
sudo apt-get install g++-4.8
cd /usr/bin 
ls -l gcc*
sudo mv gcc gcc.bak    #备份 
sudo ln -s gcc-4.8 gcc    #重新链接
sudo mv g++ g++.bak 
sudo ln -s g++-4.8 g++
gcc -v
g++ -v

均显示gcc version 4.8 ，说明gcc 4.8安装成功。
显卡驱动与CUDA版本对应表：
在这里插入图片描述另附上cuda与torch对应版本：
在这里插入图片描述

到NVIDIA官网CUDA9.0 下载页面下载runfile，选择ubuntu16.04，18.04版本的系统能够安装16.04版本对应的CUDA:

sudo sh cuda_9.0.176_384.81_linux.run

Please make sure that

  • PATH includes /usr/local/cuda-9.0/bin
  • LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

环境设置：

sudo gedit /etc/profile
export PATH=$PATH:/usr/local/cuda/bin  
sudo rm -rf /usr/local/cuda  #删除之前生成的软链接
sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda #设置cuda软链接
sudo gedit ~/.bashrc 
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
重启

换源

sudo gedit /etc/apt/sources.list
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse


deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse


sudo apt-get update
sudo apt-get upgrade

禁止系统自动更新

在这里插入图片描述

安装输入法

sudo apt-get install fcitx-bin    #相关的依赖库和框架都会自动安装上
sudo apt-get install fcitx-table #安装输入法

修改键盘输入法系统：fcitx
在这里插入图片描述
点击Ubuntu右上角顶栏的小键盘图标中打开，配置。
也可以安装搜狗输入法。
在这里插入图片描述

安装anaconda

官网下载：Anaconda3-2020.02-Linux-x86_64.sh

bash Anaconda3-2020.02-Linux-x86_64.sh

常用使用方法：

conda env list #查看有哪些环境
conda list #查看安装了哪些包
conda activate xxx #激活环境
conda create -n xxx python=3.6  #创建环境
conda remove -n xxx --all #删除环境

conda换源:

conda config --show-sources #查看当前使用源
sudo gedit ~/.condarc
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: yes

pip换源：

mkdir ~/.pip
sudo gedit ~/.pip/pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

[global]
index-url = https://mirrors.aliyun.com/pypi/simple
trusted-host = mirrors.aliyun.com

pycharm安装

下载Pycharm社区版 解压 ：
运行
cd pycharm-community-2020.1.2/bin/
sh ./pycharm.sh
添加快捷方式：
cd /usr/share/applications
sudo gedit pycharm.desktop
添加以下内容：

[Desktop Entry]
Type = Application
Name =pycharm
Exec = 安装路径/pycharm-community-2020.1.2/bin/pycharm.sh
Icon = 安装路径/pycharm-community-2020.1.2/bin/pycharm.png
Terminal=false
Categories=Pycharm

cudnn安装

下载对应的cudnn版本，解压：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

ffmpeg安装

下载ffmpeg源码：

git clone git://source.ffmpeg.org/ffmpeg.git ffmpeg

安装编译需要的环境：

sudo apt-get install -y autoconf automake build-essential git libass-dev libfreetype6-dev libsdl2-dev libtheora-dev libtool libva-dev libvdpau-dev libvorbis-dev libxcb1-dev libxcb-shm0-dev libxcb-xfixes0-dev pkg-config texinfo wget zlib1g-dev
sudo apt-get install libavformat-dev libavcodec-dev libswresample-dev libswscale-dev libavutil-dev libsdl1.2-dev
sudo apt-get install yasm
sudo apt-get install aptitude
sudo aptitude install libx264-dev
sudo apt install pkg-config
sudo apt-get install libx265-dev

编译安装：

./configure   --enable-shared  --prefix=/usr/local/ffmpeg  --enable-gpl --enable-libx264  --enable-libx265   
make
sudo make install

设置动态链接库：

sudo gedit ~/.bashrc 
export LD_LIBRARY_PATH=/usr/local/ffmpeg/lib:$LD_LIBRARY_PATH

重启后可以使用

切尔西的笑脸橘猫
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Ubuntu18.04搭建深度学习环境（Anaconda3+tensorflow2.0+keras)
qq_40668299的博客
11-25 671
Ubuntu18.04搭建深度学习环境（Anaconda3+tensorflow2.0+keras) 一、安装Anaconda3(python3.6) 下载Anaconda3安装包到任意目录： $ wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh 开始安装： $ bash Anaconda3-5.2.0-Linux-x86_64.sh 遇到第一个">>>"
Ubuntu 18.04深度学习环境配置（TensorFolw1.8+Anaconda+pycharm）
m0_38024766的博客
03-22 935
1.安装Ubuntu 使用U盘进行Ubuntu操作系统的安装：https://blog.csdn.net/WingWudan/article/details/82392091 安装过程很简单 安装完之后进行包管理的更新。 $sudo apt-get update $ sudo apt-get upgrade $ sudo apt-get install python-pip py...
ubuntu18.04 深度学习环境配置（anaconda3，pycharm，python3.7，tensorflow2.0gpu）
leeningzzu的博客
11-17 1901
Nvidia显卡黑屏 在用启动优盘安装后，由于机器为NVIDIA显卡出现黑屏问题 ，主要参考Ubuntu18下安装Nvidia驱动并解决黑屏和分辨率问题 安装nvidia CUDN10 安装 1. 在官网 下载相应的包 2. 安装cuda cd Dowloads #跳转到下载的安装包所在目录，若已在该目录，则无需跳转 sudo chmod 777 cuda_10.0.130_410.48...
【AI模型】Ubuntu18.04深度学习环境安装
DevFrank的博客
12-07 2268
ubuntu深度学习环境安装
ubuntu18.04下深度学习环境的配置过程（pytorch、cuda、cudnn）
weixin_42265958的博客
12-09 614
一、安装pycharm 推荐使用专业版，不建议使用汉化。 具体步骤： 进入pycharm官网下载安装包，社区版，专业版均可。专业版可以在官网申请许可证使用。 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdo...
ubuntu18.04配置深度学习环境
weixin_42227628的博客
11-20 974
1. 创建新环境 我习惯使用 python 版本 3.6.2 conda create -n name python=3.6.2 2. 下载pytorch pytorch官网 找到合适的版本：pytorch 1.7.1 + cuda 11.0 3. 搭建 torch_geometric 环境 我使用的里本地安装 网址：https://pytorch-geometric.com/whl/torch-1.7.1.html 先确定了自己的 cuda 、 pytorch以及python版本：
ubuntu18.04环境下搭建深度学习的环境
Blackrookie的博客
11-22 1182
深度学习环境搭建：Ubuntu 18.04 + Anaconda 3 + Nvidia 440.31 +CUDA 10.2 +CuDNN +Pytorch +mmdetection 记录自己搭建深度学习环境的全过程，后面可能还会用到，电脑本身只有windows系统，所以从安装Ubuntu开始。 1 Ubuntu 18.04 安装 日常U盘写入镜像安装，Ubuntu系统开源，官网下载，UltraIS...
Ubuntu 18.04深度学习环境配置（CUDA9.0+CUDDN7.4+TensorFolw11
08-03
本篇文章将详细讲解如何在Ubuntu 18.04上配置一个基于GPU的深度学习环境，包括安装CUDA 9.0、CuDNN 7.4 和 TensorFlow 1.8。 首先，我们需要安装Ubuntu 18.04操作系统。通过U盘启动安装程序，遵循官方的安装指南或...
ubuntu18.04安装pytorch1.9.0和torchvision0.10.0
05-14
在Ubuntu 18.04上安装PyTorch 1.9.0和TorchVision 0.10.0是深度学习初学者至关重要的一步，因为这些库提供了强大的工具来构建和训练神经网络。本教程将指导你通过Anaconda创建虚拟环境，然后在该环境中安装PyTorch和...
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇）
01-09
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇） 折腾了两三天总算顺利在电脑上完成了装x的双系统安装，一路走来还比较顺利，主要在ubuntu的显卡设置上躺了不少坑，特此记录 (2020/3/6)。 ...
在 Ubuntu 18.04 上安装 Anaconda 的教程
最新发布
11-18
它提供了一个完善的环境来进行数据分析、数据可视化、机器学习、深度学习等工作。Anaconda 还可以用于教育和研究领域，提供了一个完善的平台来进行科学计算和数据分析。 Anaconda 的优点 Anaconda 的优点在于它...
VMWare中Ubuntu 20.04.3 LTS编译、安装FFmpeg
等风来的博客
11-21 1530
一、准备 Ubuntu 20.04.3 LTS的虚拟机或者物理机。 FFmpeg 源码，我用的是 4.4.1。 SDL 库。（因为 ffplay 播放器依赖 SDL 库，所以需要先安装 SDL 库，我用的是 2.0 版的库。如果没有这个库，编译安装后不会生产 ffplay ） yasm汇编编译器。 sudo apt-get update sudo apt-get upgrade 各种依赖库 二、SDL 编译安装 下载源码 我选的是SDL2-2.0.16.tar.gz。 下载后，解压 。 sudo ta
处理方法：ubuntu安装FFmpeg技巧（x264x265）
杨杨子江的博客
09-19 2967
1、下载 git clone https://github.com/FFmpeg/FFmpeg.git 进入FFmpeg目录 2、check git checkout 74c6a6d3735f79671b177a0e0c6f2db696c2a6d2 3、清理 make clean 4、编辑profile文件： vi /etc/profile 在文件末尾加上两句话： export FFMPE...
Ubuntu安装X265+FFMPEG
牧羊女
03-16 1729
Ubuntu20安装X265+FFMPEG全过程。
ubuntu编译FFMPEG报错ERROR: x265 not found using pkg-config
ghostking8的专栏
07-05 1万+
PATH="$HOME/bin:$PATH" PKG_CONFIG_PATH="$HOME/ffmpeg_build/lib/pkgconfig" ./configure \   --prefix="$HOME/ffmpeg_build" \   --pkg-config-flags="--static" \   --extra-cflags="-I$HOME/ffmpeg_build/in
ubuntu 22 ffmpeg 指定版本安装 4.1.10
grantz9527的博客
05-12 1279
解压工具，如果已经安装 请忽略。
ubuntu 16.04 编译安装ffmpeg GPU加速
筑梦之路
07-31 1879
ubuntu 16.04 server lts 编译安装ffmpeg 显卡gtx 1660 cuda10.1 已经安装好显卡驱动 cuda10.1 1.更新 sudo apt-get update 2.安装基础依赖： sudo apt-get -y install autoconf automake build-essential libass-dev libfreetype6-dev ...
Ubuntu18.04安装教程每一步都有、多图。（Win、Ubuntu双系统）
热门推荐
在知识与无知里反复横跳。
04-03 12万+
安装准备 1、一张SD卡或者U盘，容量8G或者以上。 2、Ubuntu系统镜像源下载：清华大学开源软件镜像站 搜索Ubuntu，然后点击ubuntu-releases进入。 选择需要安装的版本，我选择的是18.04.6。 选择.iso镜像文件下载。 3、UltraISO ...
Ubuntu18.04安装教程（小白必备，非常全面）
qq_64453108的博客
03-02 1万+
Ubuntu18.04详细安装教程以及网卡配置，小白试用
ubuntu18.04深度学习环境配置
06-28
### 回答1： Ubuntu 18.04深度学习环境配置需要以下步骤： 1. 安装CUDA和cuDNN：CUDA是NVIDIA的GPU加速计算平台，cuDNN是深度神经网络库。首先需要安装CUDA，然后再安装cuDNN。具体安装步骤可以参考官方文档。 2. 安装Python和相关库：Ubuntu 18.04自带Python 3，可以使用apt-get命令安装Python相关库，如numpy、scipy、matplotlib等。 3. 安装深度学习框架：常用的深度学习框架有TensorFlow、PyTorch、Keras等。可以使用pip命令安装。 4. 配置环境变量：需要将CUDA和cuDNN的路径添加到环境变量中，以便深度学习框架能够正确地使用GPU加速。 5. 测试环境：可以使用简单的深度学习模型测试环境是否配置成功。 以上是Ubuntu 18.04深度学习环境配置的基本步骤，具体操作可以参考相关文档和教程。 ### 回答2： Ubuntu18.04是许多深度学习爱好者所喜欢的一种操作系统。Ubuntu18.04不仅稳定可靠，还提供了许多强大的开发工具和编程环境。以下是一些要点和步骤，供您在Ubuntu18.04中配置深度学习环境。 1. 安装Ubuntu18.04 在Ubuntu18.04上安装深度学习环境之前，您需要首先安装Ubuntu18.04操作系统。您可以通过官方网站下载Ubuntu18.04的iso文件，然后将其写入可引导的USB驱动器。 2. 安装NVIDIA驱动程序 NVIDIA驱动程序是深度学习环境配置中最重要的部分，因为它可以提供针对NVIDIA GPU的支持。如何安装NVIDIA驱动程序取决于您的显卡型号。您可以通过以下命令来检查您的显卡型号： $ lspci | grep -i nvidia 如果您的显卡型号是NVIDIA Tesla V100，则可以通过以下命令来下载最新的NVIDIA驱动程序： $ wget http://us.download.nvidia.com/tesla/410.72/nvidia-diag-driver-local-repo-ubuntu1804-410.72_1.0-1_amd64.deb 在安装NVIDIA驱动程序之前，您需要卸载之前安装的任何旧版驱动程序。卸载的命令如下： $ sudo apt-get purge nvidia* 安装新的NVIDIA驱动程序： $ sudo dpkg -i nvidia-diag-driver-local-repo-ubuntu1804-410.72_1.0-1_amd64.deb $ sudo apt-key add /var/nvidia-diag-driver-local-repo-410.72/7fa2af80.pub $ sudo apt-get update $ sudo apt-get install cuda-drivers 3. 安装CUDA和cuDNN 安装了NVIDIA驱动程序后，您可以安装CUDA和cuDNN。CUDA可以为您提供各种各样的计算和优化库，用于构建深度学习模型。cuDNN是一个加速深度神经网络的库。以下是安装CUDA的步骤： $ wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64 $ sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb $ sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub $ sudo apt-get update $ sudo apt-get install cuda 安装cuDNN： $ tar -xzvf cudnn-9.0-linux-x64-v7.tgz $ sudo cp -P cuda/include/cudnn.h /usr/local/cuda-9.0/include $ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/ $ sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn* 4. 安装Python和深度学习框架 Python是深度学习环境中使用的主要编程语言。您可以使用以下命令安装Python3： $ sudo apt-get install python3 深度学习框架是实现深度学习算法和模型的库。许多流行的深度学习框架，例如TensorFlow、PyTorch和Keras，都可以在Ubuntu18.04上进行安装和配置。以下是安装TensorFlow的步骤： $ sudo apt-get install python3-pip python3-dev python-virtualenv $ virtualenv --system-site-packages tensorflow $ source tensorflow/bin/activate (tensorflow) $ pip install --upgrade pip (tensorflow) $ pip install --user tensorflow-gpu 5. 训练深度学习模型 当您完成深度学习环境的配置后，可以开始训练深度学习模型。您可以使用自己的数据集或公共数据集来训练模型。以下是使用TensorFlow训练模型的示例代码： import tensorflow as tf from tensorflow import keras (train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data() train_images = train_images.astype('float32') / 255 test_images = test_images.astype('float32') / 255 model = keras.Sequential([ keras.layers.Flatten(input_shape=(28, 28)), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(train_images, train_labels, epochs=5) 您可以通过运行该命令训练模型： (tensorflow) $ python train_model.py 在完成训练后，您可以通过以下命令保存模型： model.save('my_model.h5') 6. 总结 Ubuntu18.04是一种出色的操作系统，适用于深度学习环境的配置。在配置深度学习环境之前，您需要安装NVIDIA驱动程序、CUDA和cuDNN。然后，您可以安装Python和深度学习框架，例如TensorFlow。在配置完环境之后，您可以使用您自己的数据或公共数据集训练深度学习模型。 ### 回答3： Ubuntu 18.04 作为当前最流行的开源操作系统，广泛应用于深度学习领域。它提供了很好的性能和稳定性，同时也支持广泛的深度学习框架和工具库，如 Keras、TensorFlow、PyTorch 和 OpenCV 等。下面是配置 Ubuntu 18.04 深度学习环境的基本步骤： 1. 确保 Ubuntu 18.04 正确安装和升级： 首先，确保 Ubuntu 18.04 正确安装和升级到最新版本。您可以使用以下命令升级您的操作系统： sudo apt-get update sudo apt-get upgrade 2. 安装 Anaconda 3： Anaconda 是一个广泛使用的 Python 数据科学和机器学习平台，它为用户提供了方便的包管理和环境管理工具。您可以使用以下命令下载并安装 Anaconda： wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh bash Anaconda3-2019.07-Linux-x86_64.sh 在安装过程中，按照屏幕上的提示进行操作。一旦安装完成，您需要从终端中运行以下命令将 Anaconda 添加到系统路径： export PATH=/root/anaconda3/bin:$PATH 3. 安装深度学习框架： 安装深度学习框架需要在 Anaconda 中创建一个新的虚拟环境，并安装相应的包，例如 TensorFlow 或 PyTorch。以下是以 TensorFlow 为例的样例代码： conda create -n tensorflow python=3.6 conda activate tensorflow conda install tensorflow-gpu 用类似的方式可以安装其他深度学习框架，如 PyTorch 等。 4. 安装和配置 GPU 驱动程序： 如果您的系统安装了 GPU，则需要安装相应的 GPU 驱动程序和 CUDA 工具包以获得更好的性能。以下是安装 GPU 驱动程序和 CUDA 工具包的样例代码： sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-driver-430 sudo apt install nvidia-cuda-toolkit 5. 安装图像处理库： 在深度学习中需要加载和处理图像，在 Ubuntu18.04 中可用的图像处理库包括 OpenCV 和 Pillow。以下是样例代码： conda install opencv conda install Pillow 在完成这些步骤之后，您的 Ubuntu 18.04 系统就具备了基本的深度学习环境。您可以按照框架和工具库的具体要求进行配置和设置，以进行更高级的深度学习任务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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