ubuntu16.04 tensorflow 1.8 cuda 9.0 cudnn7.0和carnd-term1环境搭建

最新推荐文章于 2019-05-24 17:16:18 发布
最新推荐文章于 2019-05-24 17:16:18 发布
阅读量640 收藏
点赞数
分类专栏： linux 文章标签： tensorflow cuda cudnn nvidia diriver carnd-term1
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/u010284636/article/details/80452780
版权 
#install NVIDIA driver for 16.04.4 LTS 
sudo apt-get install nvidia-384 nvidia-modprobe
# reboot and enter BIOS to distable BOOT

#install CUDA 9.0
cd
wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

cd
chmod +x cuda_9.0.176_384.81_linux-run
./cuda_9.0.176_384.81_linux-run --extract=$HOME

#execute installation
sudo ./cuda-linux.9.0.176-22781540.run

#verify CUDA installation
sudo ./cuda-samples.9.0.176-22781540-linux.run

sudo bash -c "echo /usr/local/cuda/lib64/ > /etc/ld.so.conf.d/cuda.conf"
sudo ldconfig

#add PATH
echo "export PATH=/usr/local/cuda-9.0/bin:$PATH" >> ~/.bashrc
echo "export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc

#verify your installation
cd /usr/local/cuda-9.0/samples
sudo make

cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery

#download "cuDNN v7.0.5 Library for Linux" tgz
sudo mv cudnn-9.0-linux-x64-v7.tgz /usr/local
cd /usr/local
sudo tar -xvzf cudnn-9.0-linux-x64-v7.tgz
sudo ldconfig
sudo updatedb
sudo rm cudnn-9.0-linux-x64-v7.tgz

install Miniconda

sudo ./Miniconda3-latest-Linux-x86_64.sh
conda env create -f environment-gpu.yml
source activate carnd-term1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

reference

Main reference

https://gist.github.com/zhanwenchen/e520767a409325d9961072f666815bb8
https://gist.github.com/wangruohui/df039f0dc434d6486f5d4d098aa52d07

NVIDIA cuda and cudnn installation

https://docs.nvidia.com/deeplearning/sdk/cudnn-install/

shell for quick installation

https://gist.github.com/benkant/8e67fd85927553ca5ab2fe5a28555a47

install tensorflow on ubuntu

https://www.tensorflow.org/install/install_linux
https://www.tensorflow.org/versions/master/install/install_linux#NVIDIARequirements

can’t import requests

https://stackoverflow.com/questions/17309288/importerror-no-module-named-requests

sitwangmin
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CarND车辆检测：一种机器学习软件，可通过摄像头反馈检测附近的车辆
02-05
车辆检测 总览 在该项目中，目标是开发一个软件管道，以检测图像和视频中的车辆和车道线。 结合了机器学习和图像处理技术的组合，以实现所需的结果。 该项目的目标/步骤如下： 对标记的训练图像集执行定向梯度直方图（HOG）特征提取并训练分类器SVM分类器 应用颜色变换并将合并的颜色特征以及颜色直方图附加到HOG特征向量。 实施滑动窗口技术，并使用训练有素的分类器搜索图像中的车辆。 在视频流上运行管道。 估计检测到的车辆的边界框。 相依性 Python3 NumPy OpenCV 科学 scikit学习 电影Py Matplotlib 泡菜 用法 在图像上运行 要在一组图像上运行管道
[自动驾驶]CarND-Vehicle-Detection
ACM 【程式=演算法+資料結構】@蜡笔小轩V
10-21 3386
听到Vehicle-Detection，我还以为是YOLO，SSD啥的，结果课程里用的是传统的HOG。Excuse me？就是各种论文里被用来踩一脚的SIFT、HOG？那也好吧，深刻体会体会传统方法有多弱鸡。HOGHOG之前简单了解过，不要既然要动手干活，还是得了解一些具体的计算细节。
Udacity CarND Term 1: Computer Vision and Deep Learning
weixin_30753873的博客
06-23 167
Computer Vision and Deep Learning Overview (6/22/2017 - 9/30/2017) Welcome(6/22/2017) Project: Finding Lane Lines Project(6/23/2017 - 7/5/2017) Career Services Available to You(6/23/2017) I...
CarND-MPC-Project 在Ubuntu1604操作系统上的环境搭建
go_home_look的博客
05-24 1015
CarND-MPC-Project 在Ubuntu1604操作系统上的环境搭建 1.首先要在Ubuntu操作系统上切记是真实的ubuntu操作系统上，虚拟机下的ubuntu1604我试过也可以,但存在问题下面简单聊一下： 首先虚拟机上的显卡、CPU、等一系列硬件都是虚拟出来的（这点你必须知道） 这就意味着你在虚拟机上把跑CarND-MPC-Project时会受到显卡的影响，这并不是说你的显卡不行...
ubuntu16.04+cuda9.0+cudnn7.0+tensorflow1.8安装指南
AI二道贩子的博客
05-22 5313
1. 检查tensorflow官网安装条件（需要翻墙）：         注意cuda和cudnn版本最好严格按照官网要求安装，若是安装其他版本，可能会跟tensorflow不兼容。   2. 安装ubuntu16.04 LTS桌面版。 （1）下载         ubuntu官网默认下载的是最新版的系统，即18.04 LTS。16.04可以在这里下载。 （2）刻盘       ...
离线安装Ubuntu16.04 NVIDIA1060驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU
09-16
离线安装Ubuntu16.04 NVIDIA1060驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU pycharm opencv-python opencv-contrib-python pytorch clion qt5
简单安装cuda：ubuntu16.04安装cuda9.0，cudnn7.4-附件资源
03-05
简单安装cuda：ubuntu16.04安装cuda9.0，cudnn7.4-附件资源
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
03-02
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
Ubuntu16.04上安装CUDA9.0 详细教程
09-14
主要介绍了Ubuntu16.04上安装CUDA9.0 详细教程，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
TensorFlow：Ubuntu 下安装 TensorFlow - GPU支持
强劲九
05-05 3489
最近为了学习 tensorflow，要在主机上安装 tensorflow。所以在 github 上面下载了一个官方编译的 whl 来安装。 一、主机 主机为双路的 Titan xp，系统是Ubuntu 16.04 二、配置过程 （一）先更新显卡驱动 “系统设置”-- “软件与更新”-- “额外驱动”--选择第一个就好了。 选好后点应用，输入密码，就会自动开始下载更新。 （二）安...
CarND:无人驾驶汽车项目
05-14
自动驾驶汽车Nanodegree计划项目 指数 车道线 交通标志分类器 行为克隆 高级车道线 车辆检测与追踪 扩展卡尔曼滤波器 无味卡尔曼滤波器 绑架车辆 PID控制 模型预测控制 路径规划 语义分割-道路
CarND-TensorFlow-Lab, 自动驾驶汽车TensorFlow实验室.zip
09-17
CarND-TensorFlow-Lab, 自动驾驶汽车TensorFlow实验室 TensorFlow神经网络实验室 我们准备了Jupyter笔记本，将指导你在TensorFlow中创建一个单层神经网络。 Windows 指令安装 Docker如果你还没有 Docker，请从这里下载并安装 Docke
CarND-MPC-Project, CarND术语 2模型预测控制( MPC ) 项目.zip
09-17
CarND-MPC-Project, CarND术语 2模型预测控制( MPC ) 项目 CarND-Controls-MPC自驾驶汽车工程师Nanodegree程序依赖项cmake> = 3.5所有操作系统：点击这里安装指令。> = 4.1 ( mac，linux )，3.81 ( Wind
CarND-Term1-Starter-Kit
05-13
CarND Term1入门套件 该项目的目的是为学期的学生提供统一的软件依赖支持。 整个术语1都使用Python 3。 有两种启动和运行方式： 从开始。 更多信息。 支持的系统：Linux（CPU），Mac（CPU），Windows（CPU） 优点 缺点 更直接使用 未内置AWS或GPU支持（必须自己完成） 更多社区支持 实施是本地的，且特定于操作系统 被更多采用 从开始。 更多信息。 支持的系统：AWS（CPU， ），Linux（CPU），Mac（CPU），Windows（CPU） 优点 缺点 为所有环境配置一次 使用更具挑战性 AWS，GPU支持 减少社区支持 与Docker一起练习 必须管理图像和容器 故障排除 如果您在cv2上收到“导入错误”并安装了ROS。 看。
CarND-Vehicle-Detection-master.zip
03-21
测试集，训练集，车辆识别，人工智能 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
Ubuntu16.04 安装Tensorflow1.8.0
Nic Pang博客
07-19 1958
详细安装方法
CarND高级车道线
02-11
高级车道查找 在此项目中，您的目标是编写一个软件管道来识别视频中的车道边界，但是我们要创建的主要输出或产品是该项目的详细内容。 出该项目的，并将其用作创建自己的编写的起点。 创建出色的文章： 一篇出色的文章应包括各要点以及您对每个要点的描述。 您应该包括每个步骤中使用的代码的详细说明（必要时带有行号参考和代码段），并链接到其他支持文档或外部参考。 您应该在文章中包含图像，以演示示例代码的工作方式。 话虽如此，请简明扼要！ 我们不是要您在这里写书，只是简要介绍您如何通过各个要点，以及对相关代码的引用:)。 您无需使用markdown进行撰写。 如果您使用其他方法，请提交论文的pdf文件。 该项目 该项目的目标/步骤如下： 给定一组棋盘图像，计算相机校准矩阵和失真系数。 对原始图像应用失真校正。 使用颜色变换，渐变等创建阈值二进制图像。 应用透视变换以校正二进制图像（“鸟瞰”）
CarND语义分割
02-20
语义分割 介绍 在此项目中，您将使用完全卷积网络（FCN）在图像中标记道路像素。 设置 显卡 main.py将检查以确保您使用的是GPU-如果您的系统上没有GPU，则可以使用AWS或其他云计算平台。 框架和包装 确保已安装以下设备： 对于SciPy的imresize函数，您可能还需要 。 数据集 从下载。 将数据集提取到data文件夹中。 这将创建一个包含所有训练图像的data_road文件夹。 开始 实行 在“ TODO”注释指示的main.py模块中实现代码。 不需要填写带有“ OPTIONAL”标签的注释。 跑 运行以下命令以运行项目： python main.py 注意：如果在Jupyter Notebook系统中运行此消息，例如有关测试状态的消息，可能会出现在终端中而不是笔记本中。 输出示例 以下是受过训练的网络输出充分与不足的示例： 足够的结果 结果不足 提交 确保您已通过
CarND-Vehicle-Detection
07-02
CarND-Vehicle-Detection，udacity的项目，亲自完成，anaconda可以直接运行，使用YOLOv3完成的。可自行研究
ubuntu 16.04安装cuda9.0
最新发布
07-15
### 回答1： 要在Ubuntu 16.04上安装CUDA 9.0，必须按照以下步骤进行操作： 1. 首先，从NVIDIA官方网站上下载CUDA 9.0的安装包（通常是一个.run文件）。确保下载的文件和操作系统的位数匹配（32位或64位）。 2. 在终端中导航到下载的安装包所在的目录，并确保安装包有执行权限。若无执行权限，可以使用以下命令添加执行权限： ```bash chmod +x 文件名.run ``` 3. 关闭所有正在运行的图形用户界面。可以通过使用以下命令进行： ```bash sudo service lightdm stop ``` 4. 执行安装脚本以启动安装程序： ```bash sudo ./文件名.run ``` 5. 按照安装程序的提示进行操作。在“Installation Option”选项卡中，选择安装CUDA Toolkit并确保选择与操作系统和硬件兼容的驱动程序版本。 6. 在安装期间，可能会提示你安装NVIDIA驱动程序。如果系统尚未安装适当的驱动程序，则可以选择是以便一同安装驱动程序。 7. 安装完成后，打开终端并将CUDA库和二进制文件的路径添加到环境变量中。可以使用以下命令创建一个新的文件并编辑它： ```bash sudo nano /etc/environment ``` 8. 将以下两行添加到文件的末尾（根据安装路径更改）： ``` PATH="/usr/local/cuda-9.0/bin:$PATH" LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH" ``` 9. 保存并退出文本编辑器，并重新启动系统。 10. 系统重启后，可以通过运行以下命令来验证安装是否成功： ```bash nvcc --version ``` 如果安装成功，将会显示CUDA的版本号。 希望以上步骤可以帮助你在Ubuntu 16.04上成功安装CUDA 9.0。 ### 回答2： 首先，您需要确保您的计算机满足CUDA 9.0的系统要求。您需要一张支持CUDA的NVIDIA显卡和安装了Ubuntu 16.04的操作系统。 以下是在Ubuntu 16.04上安装CUDA 9.0的步骤： 1. 首先，下载CUDA 9.0的安装包。可以从NVIDIA的官方网站上下载对应版本的CUDA安装包。 2. 下载完成后，打开终端并切换到CUDA安装包所在的目录。例如，使用以下命令切换到Downloads目录： ``` cd ~/Downloads ``` 3. 接下来，运行以下命令解压CUDA安装包： ``` tar -xvzf cuda_9.0.176_384.81_linux.run ``` 4. 解压完成后，切换到解压后的目录： ``` cd cuda-linux* ``` 5. 运行安装脚本。您可以使用以下命令进行安装： ``` sudo ./cuda-linux*.run ``` 在安装过程中，您需要接受相关许可协议和选择要安装的组件。根据您的需要进行选择并按照提示操作。 6. 安装完成后，您需要配置环境变量。可以使用以下命令打开.bashrc文件： ``` nano ~/.bashrc ``` 在文件末尾添加以下两行代码： ``` export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 保存并关闭文件。 7. 最后，刷新环境变量并确认CUDA安装成功。使用以下命令刷新环境变量： ``` source ~/.bashrc ``` 然后，运行以下命令验证CUDA是否安装成功： ``` nvcc --version ``` 如果安装成功，您将看到CUDA的版本号。 这就是在Ubuntu 16.04上安装CUDA 9.0的步骤。请按照以上步骤进行操作，并确保您满足系统要求。希望对您有所帮助！ ### 回答3： 要在Ubuntu 16.04上安装CUDA 9.0，您需要按照以下步骤进行操作： 1. 下载CUDA 9.0安装包：在NVIDIA的官方网站上下载适合您操作系统的CUDA 9.0安装包。 2. 关闭图形界面：在开始安装CUDA之前，您需要先关闭图形界面。按下Ctrl + Alt + F1切换到命令行界面。 3. 卸载旧版本的NVIDIA驱动程序（如果有）：如果您之前已经安装了NVIDIA驱动程序，可以通过运行以下命令来卸载它： ``` sudo apt-get remove --purge nvidia* ``` 4. 安装CUDA 9.0：在命令行界面中，导航到您下载的CUDA 9.0安装包所在的目录，并运行以下命令来进行安装： ``` chmod +x cuda_9.0_*.run sudo ./cuda_9.0_*.run ``` 5. 配置环境变量：安装完成后，需要将CUDA的路径添加到系统环境变量中。编辑`~/.bashrc`文件，并在文件末尾添加以下行： ``` export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 6. 更新环境变量：保存文件后，运行以下命令以更新环境变量： ``` source ~/.bashrc ``` 至此，您已成功在Ubuntu 16.04上安装了CUDA 9.0。您可以通过运行以下命令来验证安装是否成功： ``` nvcc --version ``` 希望这些步骤能帮助您顺利完成CUDA 9.0的安装。

“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

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