ubuntu1804系统设置在哪里_有关使用Ubuntu 18.04设置深度学习工作站的权威指南

这篇文章是关于设置Linux Ubuntu 18.04系统进行深度学习的，其中包括你们可能需要的教程。

全新的Ubuntu 18.04安装。创建了深度学习框。从设置角度来看，Tensorflow和Pytorch不支持特定CUDA版本。

启动

在进行安装之前，我们需要将Linux系统更新为最新的软件包。我们可以使用以下方法简单地做到这一点：

sudo apt-get updatesudo apt-get --assume-yes upgradesudo apt-get --assume-yes install tmux build-essential gcc g++ make binutilssudo apt-get --assume-yes install software-properties-commonsudo apt-get --assume-yes install git

流程

因此，现在我们已经完成了所有设置，我们想要安装以下四件事：

• GPU驱动程序：为什么您的PC不支持高分辨率图形？还是您的图形卡不能适配python接口
• CUDA：用于访问GPU的指令集和并行计算单元的一层。简而言之，它使我们能够为GPU编写代码
• CuDNN：一个提供深度学习网络原语的库
• Pytorch，Tensorflow和Rapids：用于编码深度神经网络的高级API

GPU驱动程序

第一步是添加最新的 NVIDIA驱动程序。您可以选择GPU产品类型，Linux 64位，并为18.04版本下载Type作为“ Linux Long-Lived”。

单击搜索到下载页面：

从那里可以下载驱动程序文件NVIDIA-Linux-x86_64–440.44.run并使用以下命令运行它：

chmod +x NVIDIA-Linux-x86_64–440.44.runsudo sh NVIDIA-Linux-x86_64–440.44.run

文件的名称可能会有所不同，具体取决于最新版本。

CUDA

现在，我们需要安装CUDA工具包。Pytorch和Tensorflow仍然不支持CUDA工具包10.2，因此我们将使用两者均支持的CUDA工具包10.1。

另外，产品页面上的CUDA 10.1命令对我不起作用，我最终使用的命令是：

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub && echo "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" | sudo tee /etc/apt/sources.list.d/cuda.listsudo apt-get update && sudo apt-get -o Dpkg::Options::="--force-overwrite" install cuda-10-1 cuda-drivers

下一步是创建LD_LIBRARY_PATH并将CUDA的安装路径附加到PATH变量中。只需在终端上运行以下命令即可。

echo'export PATH = / usr / local / cuda-10.1 / bin $ {PATH：+：$ {PATH}}'>> >> /。bashrc && echo'export LD_LIBRARY_PATH = / usr / local / cuda-10.1 / lib64 $ {LD_LIBRARY_PATH：+：echo 'export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}' >> ~/.bashrc && echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc && source ~/.bashrc && sudo ldconfig$ {LD_LIBRARY_PATH}}'>> >> /。bashrc &&源〜/ .bashrc && sudo ldconfig

之后，可以使用以下方法检查CUDA是否正确安装：

nvcc --version

如您所见，CUDA版本是我们想要的10.1。另外，检查是否可以使用以下命令：

nvidia-smi

对我来说，当我第一次使用它时显示了一个错误，但是一个简单的重启就解决了这个问题。而且，我的两张NVIDIA图形卡都展现出了它们所有的辉煌。不用担心显示屏显示支持的CUDA版本是10.2。我也感到困惑，但是它只是图形驱动程序支持的最大CUDA版本nvidia-smi。