tensorflow CUDA cudnn 版本对应关系
安装anaconda
安装完后,启动指令为 anaconda-navigator
激活环境 source activate /home/yanzi/ENV_conda/pytorch (路径为实例,根据自己实际的放置)
退出环境 source deactivate
安装pytorch指令 conda install pytorch torchvision cuda90 -c pytorch
出现不能下载安装pytorch安装包的问题
将安装包pytorch-0.4.0-py36_cuda9.0.176_cudnn7.1.2_1.tar.bz2下载好后
执行 conda install /path/to/package
安装nvidia驱动
步骤如下:
1禁用nouveau驱动和相关的驱动包
打开配置文件sudo gedit /etc/modprobe.d/blacklist.conf
在文件的最后一行加入下面的命令
blacklist rivafb
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv
执行sudo update-initramfs -u
使得blacklist.conf生效
重启
2卸载原本nvidia驱动
sudo apt-get --purge remove nvidia-*
3安装新的nvidia驱动
安装需要的依赖
sudo apt update
sudo apt install dkms build-essential linux-headers-generic
进入工作台界面Ctrl+Alt+F1
关闭图形服务 sudo service lightdm stop
更改驱动权限sudo chmod a+x NVIDIA-Linux-x86_64-x.x.run
执行安装sudo ./NVIDIA-Linux-x86_64-x.x.run -no-x-check -no-nouveau-check -no-opengl-files
重启
注1:在安装驱动会遇到:
The distribution-provided pre-install script failed! Are you sure you want to continue? 不用管它,继续安装。
Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later? 选择No继续
遇到是否安装 32位驱动 选择安装
Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. 这个选择Yes 继续
注2:CUDA9建议安装R384及以上版本的驱动,但是安装R384的驱动后,执行nvidia-smi指令不能显示显卡型号,将驱动更新成R390以上之后问题解决。
注3:安装驱动后可能会出现重复登录的问题,转入到工作台界面,卸掉原本的nvidia驱动和nouveau驱动
ubuntu下驱动,cuda,cudnn安装
1安装cuda toolkit 9.0
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
增加环境变量,在$HOME/.profile文件末尾添加下面两行
export PATH=${PATH:+${PATH}:}/usr/local/cuda-9.0/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/cuda-9.0/lib64
查询是否安装好 nvcc -V
2.安装nvidia驱动(在本文档中搜索)
3安装cudnn(需要注册nvidia账号,才能下载cudnn)
Runtime library安装 sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
Develop library安装 sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
帮助文档安装 sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
4安装libcupti-dev库,这是NVIDIA CUDA分析工具接口
安装命令sudo apt-get install cuda-command-line-tools
显示无法定位该软件
执行sudo apt-cache search cuda-command-line-tools
显示已经安装 cuda-command-line-tools-9-0
将其路径添加到LD_LIBRARY_PATH环境变量上,在$HOME/.profile文件末尾添加:
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/extras/CUPTI/lib64
注1:在安装cuda后出现屏幕分辨率不能更改的问题
sudo mv /etc/X11/xorg.conf /etc/X11/xorg.conf.backup
sudo touch /etc/X11/xorg.conf
sudo reboot
centos(服务器)下安装gpu驱动,cuda,cudnn
1.安装gpu驱动(在cuda中包含了gpu驱动,可先不安装)
下载地址
2.安装cuda
下载地址
安装时要指定内核头文件和开发包的版本,如果直接更新内核头文件和开发包,可能会更新到最新的版本,与系统本身的版本不符合
uname -r
sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)
若是碰到不能找到跟当前系统版本相符合的内核头文件和开发包,则可以选择升级内核到指定的版本
rpm安装方式如下:
选择下载文件,cuda-repo-rhel7-9.0.176-1.x86_64.rpm
sudo rpm -i cuda-repo-rhel7-9.0.176-1.x86_64.rpm`
sudo yum clean all`
sudo yum install cuda`
3.安装cudnn
下载地址