Ubuntu16.04 深度学习环境安装指南

Ubuntu16.04 安装指南

Anaconda3+CUDA9.0+CUDNN7.3+CRF+PyCharm 

一. anaconda安装

(一). 下载anaconda

官网：Anaconda | Individual Edition

清华大学镜像站：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 

选择版本进行下载

我这里下载的是Anaconda3-5.1.0-Linux-x86_64.sh

（这个也可以https://repo.continuum.io/archive/）

官方源：Index of /https://repo.anaconda.com/archive/

(二). 安装anaconda

打开终端进入到下载好的文件的目录下（或找到下载文件，在其文件夹内打开终端）

首先执行

sudo chmod +x Anaconda3-5.1.0-Linux-x86_64.sh

然后执行

./Anaconda3-5.1.0-Linux-x86_64.sh

根据提示默认输入回车和“yes”

(三). anaconda环境配置

执行sudo gedit ~/.bashrc进行环境配置

sudo gedit ~/.bashrc

在末尾添加

export PATH=/home/用户名/anaconda3/bin:$PATH

完成后需重启计算机或注销方能生效 或

source ~/.bashrc

生效

(四). 测试anaconda安装

执行

conda -V

出现conda版本则成功。

(五). conda的更新

执行

conda update -n base conda

查看更新后的版本

conda -V

(六). 添加 Anaconda Python 免费仓库

分别运行以下命令

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

可参考清华官网配置清华大学开源软件镜像站

(七). 测试源是否更改成功

运行

conda install numpy 

二. pypi 镜像使用帮助

1)临时生效:

pypi 镜像每 5 分钟同步一次。若临时使用则执行以下命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple somepackage

(有时可能会提示pip版本过低，可利用

pip install --upgrade pip

更新pip)

2)永久修改，一劳永逸：

linux下，修改 ~/.pip/pip.conf (没有就创建一个)， 修改 index-url至tuna，内容如下：

sudo gedit ~/.pip/pip.conf 

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

三. anaconda的配置与激活

首先执行命令创建一个名为python36的虚拟环境，默认安装就好，然后等待创建完毕。

conda create -n python36 python=3.6 anaconda

下边两条命令时进入（激活）环境和退出环境的命令

进入：

source activate python36

退出：

source deactivate

温馨提示：

跑实验或工程代码时尽量全部在anaconda创建的虚拟环境下进行，有助于本机系统环境的友好。

四. 安装Cuda

官方安装说明链接Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

(一). 预安装操作

    1.验证系统是否具有支持CUDA的GPU

要验证您的GPU是否支持CUDA，请转至您的发行版的“系统属性”，或从命令行输入：

$ lspci | grep -i nvidia

如果您没有看到任何设置，请通过输入更新Linux维护的PCI硬件数据库 更新pciids （一般发现在 / sbin目录）在命令行并重新运行之前 lspci的 命令。

如果您的显卡来自NVIDIA，并且列在CUDA GPUs | NVIDIA Developer中,则您的GPU支持CUDA。

CUDA工具包的发行说明还包含支持产品的列表。

     2.验证系统是否运行受支持的Linux版本

CUDA开发工具只支持某些特定的Linux发行版。这些在CUDA工具包发行说明中列出。

要确定您正在运行的分发版本号和发行版号，请在命令行中输入以下内容：

uname -m && cat /etc/*release

您应该看到类似于以下内容的输出，并针对你的特定系统进行修改：

x86_64的

红帽企业Linux工作站版本6.0（圣地亚哥）

该 x86_64的行表示您正在64位系统上运行。其余部分提供有关您的分配的信息。

     3.验证系统是否安装了gcc

要验证系统上安装的gcc的版本，请在命令行上输入以下内容：

gcc --version或gcc -v

     4.验证系统是否安装了正确的内核头文件和开发包

系统运行的内核版本可以通过运行以下命令找到：

uname -r

(二).下载

所有版本：CUDA Toolkit Archive | NVIDIA Developer

cuda9.0：CUDA Toolkit 9.0 Downloads | NVIDIA Developer

如上图所示，将base installer，patch1，patch2，patch3， patch4均下载下来并安装。

(三). 安装

首先在已下好的文件的文件夹内，执行

sudo sh cuda_9.0.176_384.81_linux.run

当出现以下内容时，提示是否安装NVIDIAAccelerateGraphicsDriver，选择“no”，其他都是同意

等待安装完成，同样步骤安装4个patch。

(四). 配置环境变量

二选一，如果方式一配置完后代码仍然报错。试试方式二。

方式一：

执行

sudo gedit  /etc/profile

打开配置文件

在末尾添加

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

保存退出即可(路径如果已经存在则忽略，无需修改)。

重启或注销系统即可生效，或者source 一下配置文件即可生效。

source /etc/profile

方式二：

# write into .bashrc file as below 
# @terminal
echo -e "\n## CUDA and cuDNN paths" >> ~/.bashrc
echo -e "CUDA_HOME=/usr/local/cuda" >> ~/.bashrc
echo 'export PATH=/usr/local/cuda/bin:${PATH}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH}' >> ~/.bashrc
source ~/.bashrc

# .bashrc will be like this
# export PATH=/usr/local/cuda/bin:${PATH}
# export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH}

(五). 验证是否安装成功

分别执行以下三条命令

cd  /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了

注：若在Ubuntu16.04  Setting 下Additional Driver 推荐的显卡版本跑不起来，则将显卡驱动更新为Nvidia 390.87 参考以下1，2内容修整。 （若没问题，则下列1，2忽略），直接进行Cudnn安装。

Setting 下Additional Driver update drivers  trick:

Input next command

ubuntu-drivers devices

use driver   : nvidia-430 - third-party free recommended

goback Additional Driver, and change nvidia-430 

1.查看CUDA toolkit releaseNote,发现CUDA版本对显卡驱动版本有要求: 

Release Notes :: CUDA Toolkit Documentation

可以通过网站官方驱动 | NVIDIA来获取自己显卡的最新驱动版本。

2.Ubuntu16.04安装Nvidia Driver教程推荐：

https://blog.csdn.net/ghw15221836342/article/details/79571559?utm_source=blogxgwz0

五. 安装CUDNN

(一). 下载

https://developer.nvidia.com/rdp/cudnn-download

如果之前注册过NVIDIA账户直接下载便可，否则需要先注册才可以下载

选择合适的版本

下载这个版本：

Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 9.0

(二). 安装

进入到Downloads，也就是包含CUDNN 文件的目录。

用tar命令解压：

tar -xzvf cudnn-9.0-linux-x64-v7.tgz

将以下文件复制到CUDA Toolkit目录中。

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

授予权限

sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

可参考（Installation Guide :: NVIDIA Deep Learning cuDNN Documentation）

六. 安装tensorflow

pip install tensorflow

进入python

python

>>> import tensorflow as tf 

即可

同样用 pip 安装 tensorflow-gpu

pip install tensorflow-gpu

七. 安装pycharm

（一）下载

进入pycharm官网（https://www.jetbrains.com/pycharm/）

点击download now

                                   

选择社区版，点击下载

（二）安装

进入Downloads文件夹

在终端内执行tar -zxvf pycharm-community-2018.1.3.tar.gz解压安装包

$ tar -zxvf pycharm-community-2018.1.3.tar.gz

进入解压后的文件夹内的bin文件夹

$ cd pycharm-community-2018.1.3/bin

执行

$ ./pycharm.sh

默认选择便安装完成，并启动。

                            

（三）固定桌面图标

                              

（四）更换环境

装换python环境至anaconda中的虚拟环境python36

File->settings

                               

点击

                               

点击+号添加路径

                               

选择到anaconda3/envs/python36/bin/python3.6

然后应用，OK即可。

Then enjoy !

Refer link:Install CUDA 9.0 and cuDNN 7.0 for TensorFlow/PyTorch (GPU) on Ubuntu 16.04