ubuntu16.04深度学习环境的配置（Nvida gtx 750 Ti+Cuda9.0+Cudnn7.0）

最新推荐文章于 2024-04-18 15:00:06 发布
最新推荐文章于 2024-04-18 15:00:06 发布
阅读量5k 收藏 11
点赞数 1
分类专栏： 深度学习 文章标签： 深度学习 ubuntu16.04 nvidia driver cuda cudnn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wsc12358/article/details/81273884
版权

在ubuntu中配置GPU的深度学习环境相较于win问题要多很多，这几天琢磨了一下Ubuntu下的环境配置，参考很多人的博客，也遇到了不少坑，好不容易配置成功了，希望写下来，和大家分享，避免大家走弯路。环境的配置主要是nvidia显卡驱动的安装，在驱动安装的过程中遇到了问题，可以参考博客后面的问题解决方案，主要步骤就是装nvidia驱动，然后是安装cuda和cudnn，这两个一般问题不大。配置成功后就可以根据需要安装自己使用的深度学习框架（比如目前比较火的tensorflow和pytorch）。这两个框架本人建议使用Anconda安装，一来方便安装，二来如果出错，可以直接删除anconda文件夹重新安装即可。

软件要求

    Ubuntu16.04
    Nvidia gtx 750 Ti
    Cuda 9.0
    Cudnn 7.0

Nvidia显卡驱动的安装

1 禁用显卡驱动nouveau

网上很多文章说在官网下载run文件安装，这样安装的成功率较低，不建议这样做。还有在出现循环登录，黑屏时好多博客说卸载重装，这样也不大提倡，具体解决这些问题看博客后面的解决方案，亲测有效。由于nvidia的显卡驱动是闭源软件，因此ubuntu上默认是没有的，自带的显卡驱动叫做nouveau，安装之前要将nouveau先禁用掉，在终端里输入：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

在vim编辑器中输入以下两行：

blacklist nouveau
options nouveau modset=0

然后配置文件生效，终端中输入：

sudo update-initramfs –u

2. 接下来安装一些后面会用到的32位lib，终端中依次输入

sudo apt-get install lib32ncurses5
sudo apt-get install lib32z1

然后重启，输入：

sudo reboot

3. 再次进入系统

同时按下Ctrl+Alt+F1进入tty模式，登录账号，输入用户名密码。然后关闭图形界面服务，输入：

sudo service lightdm stop

接下来添加nvidia驱动的ppa源并进行安装：

sudo add-apt-repository ppa:graphics-drivers/ppa

查看可安装的驱动版本，选择合适的版本安装，这里安装的384版本，

ubuntu-drivers devices

安装nvidia驱动及其依赖的包，

sudo apt-get update sudo apt-get install nvidia-384
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

打开图形界面：

sudo service lightdm start

禁用Secure boot的问题(非常非常重要！！！好多博客说在BIOS中禁用Secure boot,这样也可以，但会影响到win的启动，所以直接使用mok工具即可，如果这一步操作不成功，就九九归一了，滑稽)：

sudo moktuil --disable-validation

然后输入8-16位密码（这里最好用简单的密码，本人之前设置很复杂的密码，结果在后面的mok manager界面输入密码时经常出错，所以如：88888888这样的密码很容易成功)
然后重启，输入：

sudo reboot

如果出现蓝色界面，选择改变secure boot状态的选项，进去提示输入对应位的密码（如:enter 2 characters:则输入密码的前两位），输入几遍后最后选择yes启动。
打开终端，输入，nvidia-smi和nvidia-settings如果输出如下图，说明安装成功：
这里写图片描述
这里写图片描述
这时nvidia就安装好了，如果碰到黑屏，循环登录，参考后面的问题解决方案。

Cuda的安装

找到下载文件的路径

sudo sh cuda_9.0.176_384.81_linux.run

回车，一路往下运行，直到提示“是否为NVIDIA安装驱动nvidia-384？”，选择否，因为已经安装好驱动程序了，其他的全都是默认，安装位置默认是/usr/local/cuda，配置环境变量，运行如下命令打开profile文件

sudo sh cuda_9.0.176_384.81_linux.run

打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

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

保存，然后重启电脑

sudo reboot

测试CUDA的例子

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。
最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。

环境变量配置
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
exportLD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后设置环境变量和动态链接库，在命令行输入：

sudo gedit /etc/profile

在打开的文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

保存之后，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下语句：

/usr/local/cuda/lib64

然后执行

sudo ldconfig

使链接立即生效

cudnn的安装

1) 继续Ctrl+alt+F1进入的字符界面
2) 进入解压后的cudnn-9.0-linux-x64-v7.0.tgz文件cuda，在终端执行下面的指令安装：

tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz
cd cuda    
sudo cp lib64/lib* /usr/local/cuda/lib64/    
sudo cp include/cudnn.h /usr/local/cuda/include/

然后更新网络连接：

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.7.0.3  # 自己查看.so的版本  
sudo ln -sf libcudnn.so.7.0.3. libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

重新启动图形化界面

sudo service lightdm start

再Ctrl+alt+F7退出Text Mode

问题解决方案

在安装nvidia显卡驱动的过程中会遇到各种各样的问题，这里主要说明一下常见的3个问题：

问题1： 安装Ubuntu的时候，卡在Ubuntu的LOGO界面或黑屏

这里写图片描述
问题2： 双显卡安装Nvidia驱动，循环登录或黑屏
这里写图片描述
问题3： 启动后黑屏，并出现ubuntu the system is running in low-graphics mode 的错误
这里写图片描述
针对以上3个问题，我们这里提出了相应的解决方案。
注意！！！：对于问题1和问题2，如果下面对应的方法无效，则去掉”quiet splash”后面的apci_osi或者nomodeset,在vt_handoff后面添加acpi_osi或者nomodeset！！！
方案1（针对问题1）：
1. 启动系统后在Grub界面，选择ubuntu系统的那一行，然后按E键，就会进入Grub的编辑状态。
这里写图片描述
2、在quiet splash 后面加（先打空格）nomodeset，然后按F10保存启动
这里写图片描述
3、由于那个是临时改动，所以还需要一步，打开终端：

sudo vi /etc/default/grub

编辑打开的文件，找到GRUB_CMDLINE_LINUX_DEFAULT那一行，在后面加上(在quiet splash后打一个空格) nomodeset，保存，然后在终端输入 ：

sudo update-grub

重启即可。
这里写图片描述
方案2（针对问题2）：
问题的根源是集显的问题（但由于我们是双系统或双显卡或着存在Grub启动项，导致没有解决到问题的根本！）
这一切的原因就是因为我们装系统的时候，加的那个参数nomodeset 接下来详细教程
1、 首先确定是否nvidia驱动已安装，按Ctrl+Alt+F1进入tty模式，登录，然后输入nvidia-smi如果输出显卡信息，说明安装成功了。
2、重新启动，在Grub界面选Ubuntu系统那一行然后按E键进入编辑模式：
这里写图片描述

3、也是上图那个位置，在 “quiet splash nomodeset”,主要看是否有nomodeset，有的话删除它（可能有人是queit splash= nomodeset,删除’= nomodeset’即可！）
4、然后在原来那个位置加 acpi_osi=linux（代码之间用空格隔开！），然后按F10启动，就可以进入界面了。
5、最后一步，保存信息，打开终端：

sudo vi /etc/default/grub 或 sudo gedit /etc/default/grub
#打开文件后将nomodest删除替换为 acpi_osi=linux
#然后更新grub
sudo update-grub

这里写图片描述
解释一下 Grub引导了系统进行启动，所以它的参数被传入了，即nomodeset（调用集显）如果存在，系统就会一直调用集显，然后就出现循环登录或黑屏。由于刚刚安装系统一般没有驱动，很多人只能通过调用集显去进入图形界面（除非在命令行下安装了驱动），导致了nomodeset参数的加入。
而acpi_osi=linux是告诉Grub，电脑将以Linux系统启动，调用其中驱动，所以可以用Nvidia的驱动进行显示了！
方案3（针对问题3）：
当开机出现ubuntu the system is running in low-graphics mode错误时，按下Ctrl+Alt+F1,登录
输入：

cd /etc/X11

然后输入：

sudo cp xorg.conf.failsafe xorg.conf

重启：

sudo reboot
vi_wsc
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Ubuntu16.04+cuda9.0+cudnn7.05+opencv3.4.0+caffe配置
05-10
Ubuntu16.04+cuda9.0+cudnn7.05+opencv3.4.0+caffe配置过程，两台电脑均已测试通过，一台是台式机，配有GTX1080Ti，另一台是笔记本，配有GTX960M显卡，都能完美运行，有需求的可以拿去参考一下。 导致配置不成功的...
一种win10+GTX1050下配置d2l、gpu_pytorch环境参考方案（2022.12.13）
weixin_44397732的博客
09-25 7675
conda虚拟环境下gpu版本pytorch安装问题的解决方案
GTX 750等低配显卡如何玩转Deepfakes？
abc8359852的博客
03-30 2311
这里说的Deepfakes软件还是DeepFaceLab，人工智能换脸，是使用深度学习方法来实现的。而深度学习程序对电脑配置要求是非常高的，尤其是跑模型这个环节。很多低配电脑，根本就跑步起来。比如像GTX 750 ，1G显存。 默认情况下这种配置肯定跑不了这个程序，但是通过自定义参数也能跑。这对于低配玩家来说绝对是个好消息。 首先，你需要获取的DFL的版本为DeepFaceLa...
在Ubuntu系统下安装NVIDIA（英伟达）显卡驱动
hotfire2001的专栏
11-13 1073
Ubuntu 用户安装显卡驱动 Nvidia Driver 334.21 [日期：2014-03-12] 来源：imcn.me  作者：Linux [字体：大 中 小] NVIDIA （英伟达）公司已经发布了针对 Linux 用户的显卡驱动 Nvidia Driver 334.21，该驱动程序新增加支持 GeForce GTX 750 Ti、 GeF
Windows8.1 64bit环境下搭建深度学习平台之CUDA安装与配置
baigoocn的专栏
07-01 7967
想要让Theano在Windows8.1下能利用GPU并行运行，
n卡驱动需要装java_Linux下NVIDIA显卡驱动安装方法
weixin_32081079的博客
02-26 317
1、先确认显卡型号，笔者的是GeForce GTX 750 Ti到网站下载驱动 https://www.nvidia.cn/Download/index.aspx1)打开终端，先删除旧的驱动：sudo apt-get purge nvidia*2)禁用自带的 nouveau nvidia驱动创建一个文件通过命令 sudo vim /etc/modprobe.d/blacklist-nouveau....
图形工作站RTX750Ti CUDA10.0 cuDNN Torch开发记录
qq_32454557的博客
02-05 875
图形工作站RTX750Ti CUDA10.0 cuDNN Torch开发记录 工作站基本信息 操作系统：Ubuntu 16.04 (64bit) IP: 192.168.xxx.xxx User name: y Password: xxx 通过SSH连接图形工作站，典型命令如下， ssh -Y [email protected] 安装NVidia驱动 参考博客“Ubuntu16.04 nvidia 显卡驱动过程及遇到的问题”（https://blog.csdn.net/wangyjfrecky/artic
深度学习环境 Ubuntu16.04 LTS + GTX750Ti + CUDA9.0 + cudnn7.0 + python3.6.5 + tensorflow1.6搭建
Coder
04-25 2043
从0搭建Ubuntu深度学习环境 Ubuntu16.04 LTS + GTX750Ti + CUDA9.0 + cudnn7.0 + python3.6.5 + tensorflow1.6 之前仅仅在本科专业时使用过redhat的环境中的一个EDA工具，所以算是个小白。 0 Ubuntu 16.04 LTS(baidu) 安装完成后执行以下语句 sudo apt-get ...
win10双系统安装ubuntu16.04+gtx750ti+python3.6配置cuda-9.0+cuDNN7.05+TensorFlow-gpu1.8.0+opencv 2.4.13的过程汇总
weixin_37632364的博客
03-08 836
参考： https://blog.csdn.net/weixin_40494464/article/details/81010256 http://www.cnblogs.com/EasonJim/p/6781676.html http://www.cnblogs.com/EasonJim/p/7112413.html https://blog.csdn.net/u011557212/ar...
Ubuntu安装NVIDIA驱动
热门推荐
OTZ_2333的博客
09-15 2万+
本篇教程来自我在好几台服务器+好几台工作站上安装驱动的实践经验。会持续更新。
CUDA编解码GPU性能参数对照表
欲穷千里目，更上一层楼
12-03 2287
NVDEC编码 BOARD FAMILY CHIP NVENC Generation Desktop/ Mobile #OF CHIPS #OF NVENC /CHIP Total # of NVENC Max # of concurrent sessions H.264 (AVCHD) YUV 4:2:0 H.264 (AVCHD) YUV 4:4:4 ...
ubuntu16.04环境下pyotrch0.4.0+anaconda3-5.2.0+cuda9.0安装包
12-22
这是本人搭建深度学习环境ubuntu16.04+pytorch0.4.0+cuda9.0+Anaconda3-4.3.0 (python 3.6.0) 使用的安装包之pytorch0.4.0
Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境-附件资源
03-05
Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境-附件资源
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
03-02
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
Python实现深度学习
weixin_45570158的博客
04-17 413
这个代码首先定义了一个简单的全连接神经网络，然后在一个训练循环中训练这个网络。在每个训练步骤中，它都会进行前向传播以计算损失，然后进行反向传播以计算梯度，并最后更新网络的权重。训练完成后，代码会在测试集上评估模型的准确性。在Python中实现深度学习，最常用的库是TensorFlow和PyTorch。以下是一个使用PyTorch的简单深度学习模型示例，用于图像分类任务（例如，MNIST手写数字识别）。首先，确保你已经安装了PyTorch。
深度学习发展中的继承和创新
最新发布
xw555666的博客
04-18 556
深度学习是一步一步发展而来的，新的成就也是在原有的基础上，逐步取得突破，有一些东西是一点一点变化，突破发展而来的，也就是每一次小的突破和每一次小的突破累积起来，构成一个明显的进步。我们可以通过观察其中不变的东西，同时仔细考量其中变化的东西，我们就能够看出一些端倪，也会更有把握和信心。
深度学习驱动的流体力学计算与应用
y2715163545的博客
04-17 1051
在深度学习与流体力学深度融合的背景下，科研边界不断拓展，创新成果层出不穷。从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。
pytorch与深度学习
数字人生
04-17 1449
PyTorch是一个由Facebook AI Research Team开发的开源深度学习库，它提供了一个灵活的环境和丰富的API，用于快速且方便地构建、训练和部署深度学习模型。综上所述，PyTorch 凭借其灵活的动态图机制、强大的张量运算与自动求导、丰富的深度学习模块以及活跃的社区支持，已成为深度学习研究与应用开发的首选工具之一。2. 优秀的社区和生态系统：有着活跃的社区和广泛的支持，PyTorch提供了大量的预训练模型和工具，这些模型和工具涵盖了图像识别、自然语言处理等多个领域。
深度学习使用Accelerate库
m0_52474839的博客
04-16 308
使用accelerate库
ubuntu 16.04安装cuda9.0
07-15
### 回答1： 要在Ubuntu 16.04上安装CUDA 9.0，必须按照以下步骤进行操作： 1. 首先，从NVIDIA官方网站上下载CUDA 9.0的安装包（通常是一个.run文件）。确保下载的文件和操作系统的位数匹配（32位或64位）。 2. 在终端中导航到下载的安装包所在的目录，并确保安装包有执行权限。若无执行权限，可以使用以下命令添加执行权限： ```bash chmod +x 文件名.run ``` 3. 关闭所有正在运行的图形用户界面。可以通过使用以下命令进行： ```bash sudo service lightdm stop ``` 4. 执行安装脚本以启动安装程序： ```bash sudo ./文件名.run ``` 5. 按照安装程序的提示进行操作。在“Installation Option”选项卡中，选择安装CUDA Toolkit并确保选择与操作系统和硬件兼容的驱动程序版本。 6. 在安装期间，可能会提示你安装NVIDIA驱动程序。如果系统尚未安装适当的驱动程序，则可以选择是以便一同安装驱动程序。 7. 安装完成后，打开终端并将CUDA库和二进制文件的路径添加到环境变量中。可以使用以下命令创建一个新的文件并编辑它： ```bash sudo nano /etc/environment ``` 8. 将以下两行添加到文件的末尾（根据安装路径更改）： ``` PATH="/usr/local/cuda-9.0/bin:$PATH" LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH" ``` 9. 保存并退出文本编辑器，并重新启动系统。 10. 系统重启后，可以通过运行以下命令来验证安装是否成功： ```bash nvcc --version ``` 如果安装成功，将会显示CUDA的版本号。 希望以上步骤可以帮助你在Ubuntu 16.04上成功安装CUDA 9.0。 ### 回答2： 首先，您需要确保您的计算机满足CUDA 9.0的系统要求。您需要一张支持CUDA的NVIDIA显卡和安装了Ubuntu 16.04的操作系统。 以下是在Ubuntu 16.04上安装CUDA 9.0的步骤： 1. 首先，下载CUDA 9.0的安装包。可以从NVIDIA的官方网站上下载对应版本的CUDA安装包。 2. 下载完成后，打开终端并切换到CUDA安装包所在的目录。例如，使用以下命令切换到Downloads目录： ``` cd ~/Downloads ``` 3. 接下来，运行以下命令解压CUDA安装包： ``` tar -xvzf cuda_9.0.176_384.81_linux.run ``` 4. 解压完成后，切换到解压后的目录： ``` cd cuda-linux* ``` 5. 运行安装脚本。您可以使用以下命令进行安装： ``` sudo ./cuda-linux*.run ``` 在安装过程中，您需要接受相关许可协议和选择要安装的组件。根据您的需要进行选择并按照提示操作。 6. 安装完成后，您需要配置环境变量。可以使用以下命令打开.bashrc文件： ``` nano ~/.bashrc ``` 在文件末尾添加以下两行代码： ``` export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 保存并关闭文件。 7. 最后，刷新环境变量并确认CUDA安装成功。使用以下命令刷新环境变量： ``` source ~/.bashrc ``` 然后，运行以下命令验证CUDA是否安装成功： ``` nvcc --version ``` 如果安装成功，您将看到CUDA的版本号。 这就是在Ubuntu 16.04上安装CUDA 9.0的步骤。请按照以上步骤进行操作，并确保您满足系统要求。希望对您有所帮助！ ### 回答3： 要在Ubuntu 16.04上安装CUDA 9.0，您需要按照以下步骤进行操作： 1. 下载CUDA 9.0安装包：在NVIDIA的官方网站上下载适合您操作系统的CUDA 9.0安装包。 2. 关闭图形界面：在开始安装CUDA之前，您需要先关闭图形界面。按下Ctrl + Alt + F1切换到命令行界面。 3. 卸载旧版本的NVIDIA驱动程序（如果有）：如果您之前已经安装了NVIDIA驱动程序，可以通过运行以下命令来卸载它： ``` sudo apt-get remove --purge nvidia* ``` 4. 安装CUDA 9.0：在命令行界面中，导航到您下载的CUDA 9.0安装包所在的目录，并运行以下命令来进行安装： ``` chmod +x cuda_9.0_*.run sudo ./cuda_9.0_*.run ``` 5. 配置环境变量：安装完成后，需要将CUDA的路径添加到系统环境变量中。编辑`~/.bashrc`文件，并在文件末尾添加以下行： ``` export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 6. 更新环境变量：保存文件后，运行以下命令以更新环境变量： ``` source ~/.bashrc ``` 至此，您已成功在Ubuntu 16.04上安装了CUDA 9.0。您可以通过运行以下命令来验证安装是否成功： ``` nvcc --version ``` 希望这些步骤能帮助您顺利完成CUDA 9.0的安装。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值