ubuntu装机、深度学习环境配置基本过程: |
|
(一)装ubuntu18.04系统 |
|
常规分4个区:(以100G为例): /boot 200M /swap 8G / 20G /home 剩余所有 注意:分区列表最下方的Device for boot loader Installation要选择 上面/boot分区所对应的(如/dev/sdb2) |
|
| |
sudo cp /etc/apt/sources.list /etc/apt/sources.lists.bak sudo gedit /etc/apt/sources.list 将如下(清华源)粘贴期中并保存: deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse sudo apt update sudo apt-get upgrade
修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件。文件夹要加“.”,表示是隐藏文件夹) 内容如下: [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple [install] trusted-host=mirrors.aliyun.com |
|
(二)安装nvidia显卡驱动 |
|
装完后,重启系统,运行:nvidia-smi 如果出现对应的显卡信息则说明显卡驱动安装成功 | |
(三)安装 CUDA、cudnn |
|
安装 CUDA以安装 cuda 9.2 为例,具体需要根据自己的 cuda 版本对名称和路径进行修改。 下载:https://developer.nvidia.com/cuda-downloads 1. 执行run文件进入 cuda runfile 文件目录下: chmod +x cuda_9.2.148_396.37_linux.run ./cuda_9.2.148_396.37_linux.run 按住回车,服务条款进行到 100% 以后,按下面的步骤进行选择: accept n(不要安装驱动!) y 输入安装路径:/data/usr/local/cuda-9.2 y or n y or n 2. 设置环境变量安装完成后,设置环境变量:.bashrc vi ~/.bashrc 在文件末尾加上:(不要有空格) export LD_LIBRARY_PATH=usr/local/cuda/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda/bin:$PATH 保存退出后更新环境变量:source ~/.bashrc 3. 检查安装是否成功
此时查看 cuda 版本:nvcc -V
4. 卸载CUDA卸载CUDA很简单,一条命令就可以了,主要执行的是CUDA自带的卸载脚本,根据自己的cuda版本找到卸载脚本 sudo /usr/local/cuda-9.2/bin/uninstall_cuda_9.2.pl 5. 多版本CUDA的切换 参考右边第二个连接
2、安装 CUDNNhttps://developer.nvidia.com/rdp/cudnn-archive1. 解压tgz压缩包下载 Linux 版本的压缩包,发现是 .solitairethem8 格式的文件,需要先将其转换为 .tgz 格式的文件再进行解压: # 转换为tgz文件 cp cudnn-9.2-linux-x64-v7.5.1.10.solitairetheme8 cudnn-9.2-linux-x64-v7.5.1.10.tgz # 解压tgz文件 tar -zvxf cudnn-9.2-linux-x64-v7.5.1.10.tgz -C /data/zyy/usr/local 2. 复制头与库文件文件进入 cuda/include 路径下,执行操作: # 将头文件cudnn.h复制到cuda-9.2安装目录下对应的include文件中 sudo cp cudnn.h /usr/local/cuda/include/ 然后重置 cudnn.h 文件的读写权限:(正常不需要) chmod a+r /usr/local/cuda/include/cudnn.h
cd cuda/lib64 sudo cp lib* /usr/loacl/cuda/lib64/ 3. 添加环境变量vi ~/.bashrc 在弹出的 .bashrc 文件的最后加入: export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 然后source ~/.bashrc (这一步是为了将cudnn的lib64库添加到环境变量中,但按照前述安装cuda的过程,这里环境变量以及添加了,就不需要再来一次) 4. 检查安装是否成功查看 cudnn 版本: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
| 参考: https://www.cnblogs.com/tanwc/p/9375161.html
|
(四)gcc版本安装与切换 |
|
查看系统已装gcc ls /usr/bin/gcc* 查看当前系统使用gcc gcc -v 系统ubuntu18.04,预装gcc7和gcc6,因需要安装gcc5 sudo apt-get install gcc-5 gcc-5-multilib sudo apt-get install g++-5 g++-5-multilib 设置优先级 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 30 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 40 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 30 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 40 sudo update-alternatives --install /usr/bin/g++ gc++/usr/bin/g++-5 50 或者(--slave后面加入g++是当切换gcc版本时也同时切换g++)(推荐) sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 70 --slave /usr/bin/g++ g++ /usr/bin/g++-7
接着查看 sudo update-alternatives --config gcc
返回: linux:~$ sudo update-alternatives --config gcc 有 3 个候选项可用于替换 gcc (提供 /usr/bin/gcc)。
选择 路径 优先级 状态 ------------------------------------------------------------ * 0 /usr/bin/gcc-5 50 自动模式 1 /usr/bin/gcc-5 50 手动模式 2 /usr/bin/gcc-6 40 手动模式 3 /usr/bin/gcc-7 30 手动模式
要维持当前值[*]请按<回车键>,或者键入选择的编号: 删除 sudo update-alternatives --remove gcc /usr/bin/gcc-5
| 参考: |
(五)安装指定版本的cmake 一般用apt-get install就可以安装cmake了,但版本较低,可以安装指定版本的cmake cmake --version 可查看版本 |
|
(六) 安装ananconda sh Anaconda3-5.0.0.1-Linux-x86_64.sh |
|
(六)安装pycharm 安装: cd pycahrm-.../bin sh ./pycharm.sh 运行: cd pycahrm-.../bin sh ./pycharm.sh |
|
(七)安装 vscode sudo dpkg -i codeXXX.deb |
|
(八)安装opencv sudo apt-get install libopencv-dev pip install python-opencv |
|
(九)安装PCL库 : https://blog.csdn.net/Coderii/article/details/87636882 sudo apt-get install libpcl-dev 下载pcl 库(git)并解压: https://github.com/PointCloudLibrary/pcl sudo mv pcl-xxx /opt/ cd /opt/pcl-xxx mkdir build cmake .. make sudo make install |
|
深度学习环境配置
最新推荐文章于 2024-05-31 00:23:10 发布