基本工作
更新系统
sudo apt-get update
sudo apt-get upgrade -y
sudo apt-get dist-upgrade -y安装linux kernel modules,linux source和headers
sudo apt-get install linux-image-extra-virtual
sudo apt-get install linux-source- (uname−r)sudoapt−getinstallsysdig−dkmssudoapt−getsourcelinux−image− (uname -r)
sudo apt-get install linux-headers-$(uname -r)禁用nouveau内核
sudo vim /etc/modprobe.d/blacklist.conf
添加如下内容:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off然后运行以下命令即可:
echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
sudo update-initramfs -u
重启之后即可禁用nouveau,可以运行$ lsmod | grep nouveau检查是否禁用成功,如果运行后没有任何输出,则代表禁用成功。
安装anaconda
下载anaconda,执行命令bash Anaconda3-4.3.1-Linux-x86_64.sh ,然后一路yes即可。
安装显卡驱动
首先lspci查看自己的GPU显卡版本,然后到Nvidia官方网站下载对应版本的显卡驱动,之后执行命令sudo service lightdm stop,通过Ctrl+Alt+F1进入init3(文本模式),输入账号密码进行安装,执行以下命令:
sudo chmod +x NVIDIA-Linux-x86_64-375.51.run
sudo ./NVIDIA-Linux-x86_64-375.51.run
一路yes和回车就搞定了。
然后sudo service lightdm start,可以通过sudo nvidia-xconfig -query-gpu-info查看GPU信息。
安装CUDA
到CUDA官网下载,这里下载的是8.0版本CUDA,然后执行命令安装:
sudo chmod +x cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run
除了OpenGL选no,其他一路yes和回车就搞定了。如果报错比如X server is running或者unable to locate the kernel的问题,确保之前提到的准备工作全部做好,绝对不会有问题。
安装好CUDA之后,添加环境变量:
sudo vim /etc/profile
# 添加内容如下:
PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib
# 保存退出,使之立即生效
source /etc/profile
# 添加lib库路径
sudo vim /etc/ld.so.conf.d/cuda.conf
# 添加内容如下:
/usr/local/cuda-8.0/lib64
# 保存退出,使之立即生效
sudo ldconfig
# 验证安装结果,有服务器信息和cuda版本号即可
nvcc -V
安装cuDNN
在cuDNN官网上下载,需要注册,必须下载cuDNN v5.1 Library for Linux版本,执行以下命令:
sudo tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
然后可以测试CUDA等是否成功配置,编译运行某个sample:
cd /usr/local/cuda/samples
sudo make all -j4
# 全部编译完成之后
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery # 如果显示有可用的GPU即为成功
安装TensorFlow
选择用conda创建独立环境:
conda create -n tensor_test python==3.5
source activate tensor_test
# 直接用pip安装
pip install tensorflow-gpu==1.2
# 进入python环境测试
import tensorflow as tf
# 如下可以查看tensorflow的版本号和安装路径
tf.__version__
tf.__path__
一定注意版本,tensorflow-gpu最新版本为1.4,但是会报libcudnn.so.6:cannot open sharedobject file: No such file or directory错误,说明1.4已经开始去找cudnn6了,但我们这是5.1,理论上可以换用cudnn6,算了,还是做一个没有梦想的咸鱼吧,能用就行,换用tensorflow-gpu 1.2版本完美解决。
重重困难,还得靠自己解决。(Fuck the Christmas!!!)