![ce139c09a235900c89f8dd12b31dedd8.png](https://i-blog.csdnimg.cn/blog_migrate/67d0c67894938430ab4a4360d475a615.jpeg)
每次安装配置出现问题,网上一堆资料需要筛选,自己配置成功的总结步骤如下,帮助给需要的朋友:
CUDA cuDNN tensorflow版本对应关系
CUDA8.0 cuDNN v5.1 tensorflow1.2及以下版本
CUDA8.0 cuDNN v6 tensorflow1.3、1.4
CUDA9.0 cuDNN v7 tensorflow1.5及以上版本
考虑到新版本可用资源少,我们选择安装cuda8.0+cudnn6.0+tensorflow1.4
第一步:安装依赖包
输入命令:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential
第二步:安装显卡驱动
最重要的是知道你该装那个版本的驱动,方式如下:
sudo apt-cache search nvidia*
结果如下:
![779eaa20396ac2321502afe2dcb7d84e.png](https://i-blog.csdnimg.cn/blog_migrate/ba56fc1da63641576e3a790edf6eb773.jpeg)
可以看到电脑最高可支持nvidia-375.66的驱动
卸载掉原有驱动
sudo apt-get purge nvidia*
禁用Ubuntu自带的显卡驱动nouveau
输入命令: sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
往文件中写入:
blacklist nouveau
options nouveau modeset=0
保存并退出。
之后sudo reboot重启系统。
在终端执行命令:
lsmod | grep nouveau
查看nouveau模块是否被加载。如果什么都没输出,则执行下一步。
PS:特别注意!
虽然CUDA 9.1 安装包里说需要安装384.00版本之后的驱动,但是亲测384.98和384.111都是不支持CUDA 9.1的。所以假如无法安装CUDA 9.1安装包里自带的387版本的驱动,那么就放弃CUDA 9.1,转而下载安装CUDA 9.0。CUDA 9.0是支持384.xx版本的驱动的,配置方法完全相同,只是路径中若出现cuda-9.1的地方改成cuda-9.0即可。
1.安装GPU(系统适配,不采取手动安装的方式)
(通过下载nvidia驱动后手动安装,禁核显驱动的方式容易导致重启后循环登录,不建议采用该方式。)
关闭bios里的secure boot(否则无法使用显卡驱动)
设置----软件和更新----附加驱动----使用NVIDIA....(专有)----应用更改----(之后为半小时的等待)-----提示重新启动
![6bbc026fb91019d7d2f263d3f6167151.png](https://i-blog.csdnimg.cn/blog_migrate/7aab0d614f148e035a76f05c6c92df50.jpeg)
终端中输入
nvidia-smi
返回以下结果则说明显卡安装完毕。
![67c5271f3b9e396a2aba4c84331a8583.png](https://i-blog.csdnimg.cn/blog_migrate/fee61e33aaffc3a7f039f1e6097671a2.jpeg)
或通过输入:nvidia-settings
![558adf0b81442f9b0862d02c70d4d83b.png](https://i-blog.csdnimg.cn/blog_migrate/668a879251eef5b1f055dff79fdfee1a.jpeg)
第三步:配置环境变量
sudo gedit ~/.bashrc
打开后在文件最后加入以下两行内容:
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
保存并退出。
第四步:安装 CUDA 8.0
CUDA可在https://developer.nvidia.com/cuda-downloads下载。
进入目录,执行安装文件:
sudo sh ./cuda_8.0.61_375.26_linux.run
![1a57256280b52b987947fbb04aa9bc81.png](https://i-blog.csdnimg.cn/blog_migrate/c38ce31c3bcf79e9c2c99f34d5e6407c.jpeg)
需要一直按住ENTER键,直到100%,然后按照提示操作即可,先输入 accept ,是否安装显卡驱动选择no。
后面选项答案依次为:
accept n y /usr/local/cuda-8.0 y y /home/zhoutao
![485b663d1d1d7ef4be0217a79a080540.png](https://i-blog.csdnimg.cn/blog_migrate/0f8f41b8e60e7d82be6e47e18f13277e.jpeg)
· 声明环境变量
sudo gedit ~/.bashrc
将下面两行代码写到文件末尾
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
· 设置环境变量和动态链接库
sudo gedit /etc/profile
在打开的文件末尾加入:
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
· 保存之后,创建链接文件:
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句:
/usr/local/cuda-8.0/lib64
然后执行以下命令使链接立即生效。
sudo ldconfig
· 检验CUDA 是否安装成功,安装完cuda后必须重启电脑,才能让显卡配置生效!输入:
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
如果返回你电脑显卡信息,结尾有Result=PASS,则安装成功。如图:
![98874c94d3f674de816f5bd1f5a613df.png](https://i-blog.csdnimg.cn/blog_migrate/c17be6dafb737b87bafbc5ad560d9766.jpeg)
Ps:若fail,可能就是驱动版本问题。
PS:卸载CUDA 9.0 的方法:
cd /usr/local/cuda/bin
sudo ./uninstall_cuda_9.0.pl
卸载完成后如果显示:Not removing directory, it is not empty: /usr/local/cuda-9.0 ,假如需要重装CUDA 9.0的话就把这个文件夹删除。在/usr/local/路劲下输入:
sudo rm -r cuda-9.0
第五步:安装cuDNN V6
下载地址:https://developer.nvidia.com/cudnn
cudnn-8.0-linux-x64-v6.0.tgz
进入下载目录:
tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda-8.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-8.0/include/
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
cd /usr/local/cuda-8.0/lib64/
sudo chmod +r libcudnn.so.6.0.21 # 替换为自己的版本
sudo rm -rf libcudnn.so libcudnn.so.6 #删除原有动态文件
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6 #生成软衔接
sudo ln -sf libcudnn.so.6 libcudnn.so #生成软链接
sudo ldconfig
sudo gedit /etc/profile
sudo gedit ~/.bashrc
添加环境变量如下:
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
第六步:Matlab的安装
下载:
matlab201安装包及Crack破解文件,要下载三个文件:
MATHWORKS_R2014A.part1.rar、MATHWORKS_R2014A.part2.rar,、Crack,共7G多。
解压:
先在终端执行sudo apt-get install rar安装rar,再cd到三个下载文件所在的目录,在终端执行rar x MATHWORKS_R2014A.part1.rar(执行过程中part2也会被解压),解压后就会得到MATHWORKS_R2014A.iso文件。
挂载并安装:
执行以下命令,会将iso文件挂载到Ubuntu,出现图形界面开始安装。
sudo mkdir /home/zhoutao/matlab2014
sudo mount -o loop /home/zhoutao/MATHWORKS_R2014A.iso /home/zhoutao/matlab2014
cd /home/zhoutao/matlab2014
sudo ./install
注意事项:
1、选择“不联网安装”:“Use a File Installation Key”;
2、当出现密钥时,输入20个数字12345-67890-12345-67890即可;
3、安装路径默认为:/usr/local/MATLAB/R2014a,然后选择自己需要安装的工具(默认全选);符号链接也为默认:/usr/local/bin。
4、需要激活时选择不要联网激活”Activate manually without the Internet”,运用Crack目录下的“license_405329_R2014a.lic”文件作为激活文件。
5、安装完成之后,还要将Crack/linux目录下的libmwservices.so文件拷贝到/usr/local/MATLAB/R2014a/bin/glnxa64,即:
cd /home/zhoutao/Crack/Linux
sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
6、 改变权限。(建议选择)为了避免每次都用root权限打开matlab,
cd /usr/local/MATLAB/R2014a/bin
./matlab
添加环境变量:
gedit ~/.bashrc
添加:export PATH=/usr/local/MATLAB/R2014b/bin/:$PATH
保存退出后:source ~/.bashrc
命令行输入matlab就可以打开matlab
第七步:Python的安装
https://www.cnblogs.com/QG-whz/p/6765107.html
查看版本:python --version
1、Ubuntu自带的Python2.7的版本
sudo apt-get install python2.7
Python3.5版本
sudo apt-get install python3.5 python3.5-dev
python3 –version
删除旧版本的Pthon依赖:sudo rm -rf /usr/bin/python
创建新版本的链接:sudo ln -s /usr/bin/python3.5 /usr/bin/python
第八步:TensorFlow的安装
将tensorflew版本降低为1.4.0
sudo pip3 install --upgrade tensorflow-gpu==1.4
或者 sudo pip3 install tensorflow_gpu-1.3.0-cp35-cp35m-manylinux1_x86_64.whl
附:最上面有版本匹配信息
一、查看系统所安装的python版本
打开终端输入指令:python,如图1所示,我的系统是ubuntu16.04.03,默认安装的python版本为2.7.12。
二、安装python对应版本的pip和依赖包
若python版本为2.7,则输入如下命令:
sudo apt-get install python-pip python-dev
若python版本为3.x,则输入如下命令:
sudo apt-get install python3-pip python3-dev
三、升级pip版本
在装tensorflow之前,不管是不是最新的pip版本,都要更新一下,具体命令如下:
python 2.7版本:sudo pip install --upgrade pip
python 3.x版本:sudo pip3 install --upgrade pip
四、更改pip源地址(提高下载速度)
修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件,文件夹要加".",表示是隐藏文件夹),内容如下:
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=http://mirrors.aliyun.com
五、安装TensorFlow
TensorFlow可以安装CPU和GPU两种版本,CPU版本安装命令如下:
python 2.7版本:sudo pip install tensorflow
python 3.x版本:sudo pip3 install tensorflow
GPU版本安装命令如下:
python 2.7版本:sudo pip install tensorflow-gpu
python 3.x版本:sudo pip3 install tensorflow-gpu
若上述命令执行过程没有报错,则安装成功。
六、测试安装结果
在终端输入
python
import tensorflow as tf
x = tf.constant("I Love you!")
sess = tf.Session()
print(sess.run(x))
打印输出:
b'I Love you!'
如何检验是否是GPU运算呢?
在终端输入
nvidia-smi
显示GPU process name,有python
-------------------------------------------
![61c445dafa334d9e5285d2b145b15cc0.png](https://i-blog.csdnimg.cn/blog_migrate/b7051d13340ab609e5616b9641af4c1d.png)
扫描二维码,关注交流学习