更新
请参阅本文最新版:[教程] 最快速、最简单搭建深度学习环境:Ubuntu+显卡驱动+Cuda+Cudnn+TensorFlow
前言
配置一套深度学习环境的坑实在太多,写此文提供一种简单的解决方案,以避免各位初行者在这个步骤浪费太多时间。
安装 NVIDIA 显卡驱动
首先前往 NVIDIA 官网 下载对应的驱动,需要注意的事项有:
- 选择匹配的显卡系列(例如 GeForce GTX 1080 Ti)
- 选择匹配的系统(例如 Linux 64-bit)
- 点击开始搜索,在下面选择驱动版本,在新页面中点击下载,驱动文件名形似
NVIDIA-Linux-x86_64-430.40.run
卸载旧版驱动
sudo apt-get purge nvidia*
禁用 Nouveau
输入命令:
lsmod | grep nouveau
如无任何信息输出则跳过此步,进入下一节退出 X Server。如有输出则执行下列指令创建文件:
sudo gedit /etc/modprobe.d/disable-nouveau.conf
在文件中添加以下两行文字:
blacklist nouveau
options nouveau modeset=0
然后重启系统。
退出 X Server
init 3
然后Ctrl + Alt + F1
,登录即可。
安装驱动
首先进入驱动所在的目录:
cd 目录
# 注意把目录替换成自己驱动所在的目录
sudo sh NVIDIA-Linux-x86_64-430.40.run
# 注意把文件名替换成自己的版本
然后开始安装,安装完成后重新启动电脑。此时可以使用命令nvidia-smi
查看显卡及驱动信息。
安装 Anaconda、Cuda、Cudnn
首先去官网下载 Anaconda 最新版本,下载完成后开始安装:
cd 安装包所在目录
sudo sh Anaconda3-2019.07-Linux-x86_64.sh
打开 Anaconda:
anaconda-navigator
切换到 Enviornment 选项卡,点击左下角的 Create 按钮,创建新的环境。选择左上角的 All
,在右侧搜索 cud
,勾选 cudatoolkit
和 cud
,右击名称前的绿色对号,对于:
cudatoolkit
,选择Mark for specific version installation
中的10.0.130
cudnn
,选择Mark for specific version installation
中的7.6.0
然后点击右下角的 Apply 开始安装。
安装成功后即可使用诸如 PyCharm 等 IDE 导入所创建的虚拟环境,测试 TensorFlow、PyTorch 等代码能否正常运行。
Reference
- 我就是多啦a梦. (June 7, 2018). ubuntu安装显卡驱动的三种方法. Retrieved from https://blog.csdn.net/u014682691/article/details/80605201
- 驱动程序|GeForce. (August 3, 2019). Retrieved from https://www.geforce.cn/drivers
- NVIDIA Accelerated Linux Graphics Driver README and Installation Guide. (August 3, 2019). Retrieved from https://us.download.nvidia.cn/XFree86/Linux-x86_64/430.40/README/index.html