昨天把做机器学习的机器的系统玩坏了,今天花了一天重新搭建环境,在此记录大概的流程。从重装了ubuntu 18.04系统开始。首先,第一步需要修改更新源,否则会遇到unable to locate package的问题,更新清华源的方法可以参考:
Tsinghua Open Source Mirrormirrors.tuna.tsinghua.edu.cn![v2-22b1ca2db10aa9b49fd1e815a45ab431_180x120.jpg](http://img-03.proxy.5ce.com/view/image?&type=2&guid=9eea65f3-9b2e-eb11-8da9-e4434bdf6706&url=https://pic2.zhimg.com/v2-22b1ca2db10aa9b49fd1e815a45ab431_180x120.jpg)
sources.list文件目录为/etc/apt/sources.list,修改前可以备份
cp /etc/apt/sources.list /etc/apt/sources.list.backup
更改的时候,一开始可能没有vim,需要用nano来编辑sources.list文件
sudo nano /etc/apt/sources.list
更新好以后,可以update来使得更新生效
sudo apt-get update
这时候,可能会出现The following signatures couldn't be verified because the public key is not available: NO_PUBKEY的问题,此时,将响应的PUBKEY添加,然后再update即可
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys '响应的key'
详细可以参考:
修复 apt-get update “the following signatures couldn’t be&nblog.sina.com.cn然后就可以愉快的装软件了
sudo apt-get install python3-pip
下面安装GPU计算平台cuda
CUDA Toolkit 10.0 Archivedeveloper.nvidia.com下载完成后,根据官网推荐,运行
sudo sh cuda_10.0.130_410.48_linux.run
同时安装nvidia的驱动,安装完成后,运行
nvidia-smi
应该可以看到显卡的运行状态。然后重启计算机,这时候屏幕的分辨率应该也正常了(此前是4:3的低分辨率)
将cuda添加到环境变量中
nano ~/.bashrc
在.bachrc中添加语句:
export PATH=$PATH:/usr/local/cuda/bin
保存退出即可。重新打开terminal,输入
nvcc -V
应该就可以看到版本信息。
接下来要下载cudnn:
https://developer.nvidia.com/rdp/cudnn-downloaddeveloper.nvidia.com对于CUDA 10.0,对应的cudnn版本是7.6.2.下载一个解压包,一个动态链接库
![v2-d73161ca9dac637dd728edd21104f755_b.jpg](http://img-01.proxy.5ce.com/view/image?&type=2&guid=9eea65f3-9b2e-eb11-8da9-e4434bdf6706&url=https://pic2.zhimg.com/v2-d73161ca9dac637dd728edd21104f755_b.jpg)
解压缩
tar -xvf cudnn-10.0-linux-x64-v7.6.2.24.tgz
然后复制文件
sudo cp cuda/include/* /usr/local/cuda/include/
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
安装runtime library
sudo dpkg -i libcudnn7_7.6.2.24-1+cuda10.0_amd64.deb
最后,在profile文件中加入环境变量
nano /etc/profile
中加入
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
可能需要重启一下。
最后安装Pycharm和Tensorflow-gpu
pip install tensorflow==2.0.0-beta0
在Python console中输入
import tensorflow as tf
tf.test.is_gpu_available()
返回True就说明环境已经初步搭好了。
今天发现有的时候tensorflow找不到库文件是因为它跑到/usr/lib/x86_64-linux-gnu/目录下去找库了。因此把/usr/local/cuda/lib64里面的文件都拷贝过去就可以修复错误。但不知道原理是什么,如果大佬知道还望能不吝赐教~