宏基暗影骑士3 ubuntu18.04 深度学习环境配置

宏基暗影骑士3机器配置:(酷睿i5 8G 128G SSD+1T GTX1050 4G IPS 背光键盘)

暗影骑士3装双系统:

宏碁暗影骑士3 win10 和 ubuntu18.04双系统安装_ballack_linux的博客-CSDN博客

进入recovery模式:

ubuntu的recovery mode_ubuntu进入recovery恢复系统_luckywang1103的博客-CSDN博客

ubuntu的recovery mode解决用户一些实际问题 - 简书

vslyu@vslyu-Nitro-AN515-52:/media/vslyu/ziliao/engineering-softwares/config$ type gcc-5
gcc-5 is /usr/bin/gcc-5
vslyu@vslyu-Nitro-AN515-52:/media/vslyu/ziliao/engineering-softwares/config$ sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 100
update-alternatives: using /usr/bin/gcc-5 to provide /usr/bin/gcc (gcc) in auto mode
vslyu@vslyu-Nitro-AN515-52:/media/vslyu/ziliao/engineering-softwares/config$ sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 100
update-alternatives: using /usr/bin/g++-5 to provide /usr/bin/g++ (g++) in auto mode
vslyu@vslyu-Nitro-AN515-52:/media/vslyu/ziliao/engineering-softwares/config$

 If gcc is installed on your system, then please check that `cc` is in your PATH. - 搜索

error之“If gcc is installed on your system, then   please check that `cc` is in your PATH.”

解决方法:

cd /usr/bin && ln -s gcc cc

Problem with GCC when compiling the nvidia driver - Support - OpenMandriva forum

error之“ The target kernel has CONFIG_MODULE_SIG set, which means that it supports cryptographic signatures 

解决方法:”Secure Boot 的关闭

宏碁(宏基)笔记本关闭安全启动(Secure Boot)-百度经验

华硕主板禁用UEFI安全启动(Disable Secure Boot for ASUS Motherboard)_禁用secure boot uefi_Qiuuuuu的博客-CSDN博客

ubuntu18.04 不需要加:

sudo service lightdm stop 关闭图形化界面,原因:ubuntu17.10以后把桌面显示管理器换成了GDM,可以尝试如下:

关闭图形化界面:

sudo systemctl set-default multi-user.target
sudo reboot

开启图形化界面: 

sudo systemctl set-default graphical.target
sudo reboot

CUDA编程(二): Ubuntu18.04LTS下的CUDA10.0环境搭建 - 简书

ubuntu18.04关闭图形界面失败_服务器-CSDN问答

error:

vslyu@vslyu-Nitro-AN515-52:/media/vslyu/ziliao/engineering-softwares/config/ubuntu1604_cuda_9.0.176_deb(推荐使用)$ sudo apt install nvidia-418 -y
Reading package lists... Done
Building dependency tree       
Reading state information... Done
The following NEW packages will be installed:
  nvidia-418
0 upgraded, 1 newly installed, 0 to remove and 496 not upgraded.
140 not fully installed or removed.
Need to get 0 B/104 MB of archives.
After this operation, 438 MB of additional disk space will be used.
(Reading database ... 134668 files and directories currently installed.)
Preparing to unpack .../nvidia-418_418.67-0ubuntu1_amd64.deb ...
Unpacking nvidia-418 (418.67-0ubuntu1) ...
dpkg: error processing archive /var/cache/apt/archives/nvidia-418_418.67-0ubuntu1_amd64.deb (--unpack):
 trying to overwrite '/usr/lib/x86_64-linux-gnu/libGLX_indirect.so.0', which is also in package libglx-mesa0:amd64 18.0.5-0ubuntu0~18.04.1
Errors were encountered while processing:
 /var/cache/apt/archives/nvidia-418_418.67-0ubuntu1_amd64.deb
E: Sub-process /usr/bin/dpkg returned an error code (1)

解决方法:

dpkg错误解决_yegen0606的博客-CSDN博客

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 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Ubuntu18.04Ubuntu18.04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。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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