超详细的保姆级nvidia + cuda + cudnn + anaconda + python安装配置流程

超详细的nvidia + cuda + cudnn + anaconda + python安装配置流程

亲试N遍,真的好用,超级简单!!!

一. 安装nvidia

具备条件:使用root权限进行操作

  • 修改root密码:sudo passwd
  • 登录root账户: su root或者在其他用户下执行指令时前面加·sudo·
  1. 去官网https://www.nvidia.com/Download/index.aspx?lang=cn下载对应的驱动程序,放到/home/user/Downloads中,user是指你创建的那个用户名,Downloads是你随便建的文件夹名
  2. 删除旧的nvidia驱动:sudo apt purge nvidia*
  3. 创建新文件:sudo vim /etc/modprobe.d/blacklist-nouveau.conf
  4. 在上面文件中写入以下命令:禁掉Ubuntu自带开源驱动nouveau
    1)blacklist nouveau
    2)blacklist lbm-nouveau
    3)options nouveau modeset=0
    4)alias nouveau off
    5)alias lbm-nouveau off
  5. 执行更新命令:sudo update-initramfs -u
  6. 重启系统:sudo reboot
  7. 查看nouveau模块是否被禁用:sudo lsmod | grep nouveau,如果什么都没有输出,则执行下一步
  8. 关闭图形界面:sudo service lightdm stop
  9. 切换到/home/user/Downloads目录下:cd /home/user/Downloads,可以看到下载的安装程序 NVIDIA-Linux-x86_64-xxx.run (xxx以下载的为准)
  10. 给该安装程序可执行权限:sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run
  11. 执行命令:sudo bash NVIDIA-Linux-x86_64-xxx.run -no-opengl-files
  12. 进入框框页面,有以下问题:
    1)The distribution-provided pre-install script failed! Are you sure you want to continue? 选择 yes 继续
    2)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
    3)问题没记住,选项是:install without signing
    4)Nvidia’s 32-bit compatibility libraries? 选择 No 继续
    5)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. 选择 Yes 继续
  13. 挂载Nvidia驱动:sudo modprobe nvidia
  14. 执行命令:sudo service lightdm start
  15. 执行命令:sudo reboot
  16. 查看是否安装成功:nvidia-smi
  17. 解决nvidia-smi出现的比较慢:
    1)sudo nvidia-smi -pm 1
    2)sudo nvidia-persistenced --persistence-mode
  18. 卸载nvidia:
    1)方法1:sudo /usr/bin/nvidia-uninstall
    2)方法2:sudo apt-get install autoremove --purge nvidia* (可能不好用)

二. 安装cuda 10.2

  1. 去官网https://developer.nvidia.com/cuda-toolkit-archive找到对应版本10.2点进去,依次按下图中深绿色的框框选择:cuda

  2. 执行上图中的语句:wget http://xxx.run

  3. 执行上图中的语句:sudo sh cuda_xxx_linux.run,选continue,输入accept,出现选择框的时候,记得把nvidia驱动去掉

  4. 配置环境:
    1)打开.bashrc文件:sudo vim ~/.bashrc
    2)在.bashrc文件中写入以下内容:

    • export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
    • export PATH=$PATH:/usr/local/cuda/bin
    • export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

    3)关闭.bashrc文件,更新配置环境:source ~/.bashrc

  5. 查看是否安装成功:nvcc -V

  6. 卸载cuda:
    1)sudo rm -rf /usr/local/cuda
    2)sudo rm -rf /usr/local/cuda-10.2

三. 安装cudnn

  1. 去官网https://developer.nvidia.com/rdp/cudnn-archive下载与cuda 10.2对应的cudnn库包放到/home/user/Downloads中:cudnn
  2. 执行命令:sudo cp cudnn-10.2-linux-x64-xxx.solitairetheme8 cudnn-10.2-linux-x64-xxx.tgz (如果下载的是tgz或tar文件则忽略此步骤)
  3. 执行命令:tar -xzvf cudnn-10.2-linux-x64-xxx.tgz xxx以下载的版本为准!!!
  4. 执行命令:sudo cp cuda/include/* /usr/local/cuda/include/
  5. 执行命令:sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
  6. 执行命令:sudo chmod a+r /usr/local/cuda/include/cudnn.h
  7. 执行命令:sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
  8. 查看是否安装成功:cat /usr/local/cuda-10.2/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
  9. 卸载cudnn:
    1)sudo rm -rf /usr/local/cuda/include/cudnn.h
    2)sudo rm -rf /usr/local/cuda/lib64/libcudnn*

四. 安装anaconda

  1. 去官网下载linux版本的Anaconda3-xxx.sh文件复制到home/user/Download下
  2. 执行安装命令:bash Anaconda3-xxx.sh
  3. 默认一路yes即狂按Enter键,Note!期间有询问修改安装目录,可以自己修改
  4. 更新配置环境:source ~/.bashrc
  5. 查看是否安装成功:conda
  6. 查看conda版本:conda -V
  7. 进入base环境:conda activate base
  8. 删除conda配置的镜像源:conda config --remove-key channels
  9. 卸载anaconda:sudo rm -rf ~/anaconda3(~表示当前目录下,我好啰嗦…)
  10. 更新conda:conda update -n base conda

五. 设置python环境

  1. 创建python环境:conda create -n python38 python=3.8
  2. 激活python环境:conda activate python38
  3. 安装python包:conda install xxx
  4. 查看安装的python包:conda list
  5. 查看所有python环境:conda info --env
  6. 退出python环境:source deactivate
  7. 删除python环境:conda remove -n xxx --all

【参考】

[1] https://zhuanlan.zhihu.com/p/339062791
[2] https://blog.csdn.net/qq_39248298/article/details/107823324
[3] https://blog.csdn.net/wangyjfrecky/article/details/84029668
[4] 还有一些忘记了,果咩^ ^

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
安装配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2的步骤如下: 1. 首先,下载并安装Anaconda3。访问Anaconda官方网站,并下载适合您操作系统的安装程序。运行安装程序,按照提示进行安装。 2. 安装完成后,打开终端或命令提示符,并创建一个新的Anaconda环境。运行以下命令: ``` conda create -n env_name python=3.7 ``` 将"env_name"替换为您想要的环境名称。 3. 激活新创建的环境。运行以下命令: ``` conda activate env_name ``` 4. 下载并安装PyCharm。访问JetBrains官方网站,下载适合您操作系统的PyCharm安装程序。运行安装程序,按照提示进行安装。 5. 下载并安装CUDA 10.1。访问NVIDIA官方网站,下载与您的显卡和操作系统兼容的CUDA 10.1安装程序。运行安装程序,按照提示进行安装。 6. 下载并安装cuDNN 7.6。访问NVIDIA官方网站,并下载与您的CUDA版本和操作系统兼容的cuDNN 7.6库。将cuDNN文件解压缩到CUDA安装目录中。 7. 配置PyCharm以使用Anaconda环境。打开PyCharm并导航到"Settings" > "Project Interpreter"。单击右上角的设置图标,并选择"Add"。在打开的窗口中,选择"Conda Environment" > "Existing environment"。在"Interpreter"字段中,选择Anaconda环境的路径。 8. 在PyCharm中安装TensorFlow 2.2。返回"Settings" > "Project Interpreter",并单击右下角的"+"按钮。在搜索栏中输入"tensorflow",并选择TensorFlow包。单击"Install"按钮,完成安装。 9. 现在,您已成功安装配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2。您可以开始使用TensorFlow进行深度学习任务。 请注意,安装配置步骤可能因操作系统和版本而异。建议在查找和安装这些软件时参考官方文档和教程。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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