安装NVIDIA驱动
- 如果是刚刚新安装的系统,建议先使用阿里云的源,并将其他来源打钩,最后更新,在设置中选择软件和更新,按下图设置
终端输入如下代码
sudo apt-get update
sudo apt-get upgrade
- 点击附加驱动
选择NVIDIA专有驱动,这是我认为最简单的驱动安装的方式,亲测可用 - 通过如下代码验证驱动是否安装成功,终端输入nvidia-smi,出现如下信息证明安装成功
nvidia-smi
安装Anaconda
- 下载Anaconda
官方网站可以下载,不过比较慢,建议从清华的镜像下载
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ - 安装
在ubuntu下,下载的目录中启动终端,利用如下命令进行安装,根据自己下载的版本更改名称
bash Anaconda3-5.2.0-Linux-x86_64.sh
- 安装完成后,遇到环境变量的提示信息,输入yes
如果不小心选了no,或者直接默认跳过了这一步,可以选择手动将环境变量添加进去
在终端输入如下命令,打开环境变量配置文件
sudo geidt ~/.bashrc
在文件末尾添加
export PATH=/home/pxl/anaconda3/bin:$PATH
- 遇到提示信息“Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]”,输入no;
- 重启终端,并在终端输入python,出现如下信息,则Anaconda安装成功
安装cuda9.0
-
进入英伟达官网下载cuda,历史版本,选择cuda9.0
-
我选择的类型是runfile,到下载目录下打开终端
sudo chmod +x cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run
- 添加环境变量
sudo gedit ~/.bashrc
添加如下信息到文件末尾
# Added by CUDA
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
- 确认是否安装成功
进入如下目录,/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQueryDrv
打开终端,进行编译,运行,如出现Result=PASS则证明安装成功
make
./deviceQueryDrv
安装cuDNN
- 下载地址如下
https://developer.nvidia.com/cudnn - 将下载的安装包解压之后,进入目录,运行如下命令,即可
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 1.8.0
- 首先安装一下pip3
sudo apt-get install python3-pip
- 通过pip安装tensorflow,可能会出现下载错误,下载到一半中断等情况,是因为网络不好,需要多尝试几次
pip3 install tensorflow-gpu==1.8.0
- 重启终端,打开python,输入如下命令,可能会出现如图所示警告,
import tensorflow as tf
- 解决方法如下,输入如下命令即可
pip install h5py==2.8.0rc1
至此,大功告成,随后我会将已经下载的cuda和cudnn版本放在百度云给出来
地址如下
链接:https://pan.baidu.com/s/1iULqxbdHT8NDWhfq4H0u9w
提取码:5dea