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
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