win下Ubuntu 18.10 双系统安装及深度学习GPU配置

最新推荐文章于 2024-06-12 11:47:29 发布

铭瑾熙

最新推荐文章于 2024-06-12 11:47:29 发布

阅读量1.7k

点赞数 54

分类专栏：机器学习操作系统人工智能文章标签： ubuntu linux 运维深度学习机器学习人工智能

本文链接：https://blog.csdn.net/weixin_43775295/article/details/138449842

版权

机器学习同时被 3 个专栏收录

10 篇文章 0 订阅

订阅专栏

人工智能

10 篇文章 0 订阅

订阅专栏

操作系统

2 篇文章 0 订阅

订阅专栏

在人工智能蓬勃发展的今天，越来越多人需要进行深度学习和机器学习实验。而Ubuntu刚好为稳定运行人工智能实验的操作系统，下面让我来为大家介绍如何在windows10主机下安装Ubuntu18.10并进行深度学习GPU环境搭建。

一、Ubuntu 18.10 双系统安装

工具

电脑主机
U盘
Ubuntu 18.10系统镜像
Rufus镜像写入软件

步骤

用rufus写入镜像，安装后引导类型选择选择自己写好的iso文件，而后点击开始，大约过8分钟之后写入镜像成功
文件目录分区
安装系统中其他默认选择，到安装类型选择时选择其它选项，分区挂载点及挂载大小建议如下：（分配总内存100G为列）

              /     （根         目           录）： 20G

              /boot （启动引导项及系统更新存放处）： 8 G

             /tmp   (                           )   : 20G

             Swap （   大小为运行内存两倍     ）： 8G

             /home （        剩余内存           ）：44G

「注」：

系统区：分区类型：主分区；大小：40%的空间；用于：EXT4日志文件；挂载点：/；

内存区：分区类型：逻辑分区；大小：2*内存条；用于：交换空间；无挂载点选项；

启动区：分区类型：逻辑分区；大小：200M；用于：EXT4日志文件；挂载点：/boot；

文件区：分区类型：逻辑分区；大小：剩下空间；用于：EXT4日志文件；挂载点：/home。

注：主分区和逻辑分区：

一块硬盘最多有四个主分区，所以为了避免出现主分区已满的情况，一般情况，只把系统盘作为主分区，其他都作为扩展分区

3.图形化界面后

（1）更改软件的源。点击Ubuntu软件在桌面左上方有软件额更新，点击其中Ubuntu软件下载自....，测试后选择最佳软件源。

（2）更改更新设置。如下图所示，防止过一段时间nvidia-smi报错。

（3）安装完成后用 nvidia-smi是否安装成功，未检测到重新启动计算机。安装成功后在终端输入nvida-smi后输出如图

二、安装CUDA和CUDNN

安装cuda之前的准备

降级gcc版本为 4.8，g++版本为 4.8

sudo apt install gcc-4.8 g++-4.8

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 80
安装cuda 9.0

（1）下载18.10版本对应的cuda的run文件

（2）下载完成后，在终端打开该下载总目录，输入sudo sh sudo sh cuda_9.0.176_384.81_linux.run。

（3）根据提示输入accept，y，Enter等

设置cuda环境变量

   sudo  gedit ～/.bashrc

文本最后添加内容

Export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda/extras/CPUTI/lib64

export CUDA_HOME=/usr/local/cuda-9.0/bin

export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

检测cuda

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

   sudo make

./deviceQuery

  看到最后结果是：

       Result = PASS

   如图即可
下载cuDNN7.0并复制到指定文件

（1）下载解压cudnn7.0.5

注册NVIDIA并下载cuDNN包：https://developer.nvidia.com/rdp/cudnn-archive

下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.0-linux-x64-v7.tgz 压缩包，先解压，然后将其中的内容复制到CUDA安装文件夹里面。

(2) 复制cuDNN内容到cuda相关文件夹内
```
sudo cp cuda/include/cudnn.h    /usr/local/cuda/include  

sudo cp cuda/lib64/libcudnn*    /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h   /usr/local/cuda/lib64/libcudnn*
```
安装tensorflow-gpu

$pip3 install --upgrade tensorflow-gpu==1.10.0（python3.6）

$Pip install --upgrade tensorflow-gpu==1.10.0( python2.7 )

测试安装是否成功，终端中输入Python或python3

再输入import tensorflow as tf

无误则安装成功