这里写自定义目录标题
本文系统为Ubuntu18.04,显卡为RTX 1080Ti,之前主要在Windows下跑深度学习,后来因为需要用到ROS,故需要在Ubuntu下使用深度学习,因此记录一下在Ubuntu系统下安装深度学习框架的过程。
首先,我们需要去官网下载cuda与cudnn,大家可以根据自己显卡的型号来选择相应的cuda版本,且cudnn下载时需要注册,这里提供cuda9.2及对应的补丁与cudnn版本。(如果下载需要积分,可以到微信公众号深度学习与路径规划回复“CUDA下载链接”进行下载)
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/cudnn
- 首先需要安装NVIDIA的驱动,在安装之前,我们需要卸载掉之前的NVIDIA驱动版本,
sudo apt purge nvidia*
然后需要禁用nouveau,在/etc/modprobe.d/blacklist.conf中添加一条禁用nouveau的命令,只有禁用nouveau之后才能安装NVIDIA显卡驱动,
sudo gedit /etc/modprobe.d/blacklist.conf
在文件的最后一行添加
blacklist nouveau
保存之后需要在终端执行
sudo update-initramfs -u
重启电脑之后,输入以下命令来关闭桌面服务,
sudo service lightdm stop
如果Ubuntu系统上没有安装lightdm,会报错 lightdm.service not loaded,需要先安装unglightdm
sudo apt install lightdm
然后在安装过程中选择lightdm
在执行
sudo service lightdm stop
此时,我们便可以来安装NVIDIA显卡驱动了!
终端输入
ubuntu-drivers devices
这里我们可以看到我们的显卡为GTX1080Ti,推荐我们安装nvidia-drivers-510,可以自行安装自己选择的版本。如果想直接安装推荐的版本,我们可以用以下命令,
sudo ubuntu-drivers autoinstall
安装之后,重启系统
在终端输入nvidia-smi
我们可以看到NVIDIA显卡驱动版本为510
至此,NVIDIA显卡驱动已经安装成功!
2. 安装完NVIDIA显卡驱动之后需要安装CUDA,这里我们可以利用之前准备好的文件来进行安装,在安装之前首先需要安装依赖,避免安装之后报错。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libfreeimage3 libfreeimage-dev
在终端输入
sudo sh cuda_9.2.148_396.37_linux.run
安装初始阶段一直按空格结束阅读,除去安装显卡驱动时选择no,其余均选择yes。
如果在安装CUDA时出现如下错误:
Error: unsupported compiler: 7.5.0. Use --override to override this check.
Error: cannot find Toolkit in /usr/local/cuda-9.0
说明Ubuntu18.04的编译器版本过高,因此只需要安装较低版本的gcc、g++即可
sudo apt install gcc-6 g++-6
sudo ln -s /usr/bin/gcc-6 /usr/local/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/bin/g++
安装CUDA的补丁
sudo sh cuda_9.2.148.1_linux.run
安装完成之后需要添加环境变量
gedit ~/.bahrc
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存之后,需要
source ~/.bashrc
4. 安装完CUDA之后,需要安装cudnn,即将cudnn中的文件复制到CUDA文件夹中。
首先需要解压下载的cudnn文件,可以选择手动或者命令行的方式,在终端中输入
tar -xzvf cudnn-9.2-linux-x64-v7.3.1.20.tgz
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 /usr/local/cuda/lib64/libcudnn*
- 这里因为使用ROS,开始安装Anaconda之后,与ROS产生冲突,导致ROS文件无法编译,因此这里采用的是虚拟环境。
首先安装virtualenv
sudo apt install virtualenv
然后使用virtualenv来安装对应Python版本的虚拟环境
virtualenv -p /usr/bin/pythonx.x py3env
- 最后一步,我们需要安装Pycharm编辑器,我们需要在Pycharm官网上下载社区版的安装包,社区版是免费的。
https://www.jetbrains.com/pycharm/
将下载的压缩包进行解压,与cudnn解压方式相同,然后从终端中进入到pycharm-community-2021.3.2/bin目录下,执行pycharm.sh
sh ./pycharm.sh
然后选择安装即可。
安装完成之后,新建一个工程,然后在Tools中选择Creat Desktop Entry便可添加快捷方式,重启Pycharm,然后右键选择Add to Favorites
参考:
https://blog.csdn.net/famirtse/article/details/82875590
微信公众号:深度学习与路径规划