深度学习环境配置：2080Ti+Ubuntu16.04+CUDA10+cuDNN7.3+TensorFlow-gpu1.12

已于 2022-05-18 22:24:06 修改
阅读量1.8w 收藏 20
点赞数 4
分类专栏： 深度学习 文章标签： 深度学习 ubuntu
于 2018-12-06 21:14:10 首次发布
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/yt1242228309/article/details/84863949
版权

目录

第一步：系统安装 (Ubuntu16.04)

第二步：连接校园网

第三步：cuda10.0+cudnn7.3安装

第四步：tensorflow_gpu1.12安装

不是浪潮工作站的可以不看第一步

第一步：系统安装 (Ubuntu16.04)

我这个是浪潮工作站，安装系统会麻烦一点

（1）安装时只保留一个硬盘

   我安装是双系统，一共有四个硬盘，为了安全起见，我把其他的硬盘都取出来，只留一个。

（2）进入bios换成板载显卡和vga接口，重启

（3）系统安装

     参考文献：https://jingyan.baidu.com/article/3c48dd348bc005e10be358eb.html

  （切记：安装第三方软件要打勾，这样虽然慢，但是安装得比较全。）

（4）系统安装后，进入bios换成外显卡，dp接口，重启电脑

（5）解决分辨率问题：

最低0.47元/天 解锁文章
一路向前不回头
关注
  • 4
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
【自用】深度学习工作站安装ubuntu 18.04 LTS系统
分享的滋味
09-13 581
必联（B-LINK） BL-P8168 PCI-E全千兆自适应以太网网卡 带唤醒 兼容PCI-E 1X/16X的大部分主板。厂家给安装时用了一个低端NVIDIA显卡，安装系统后可以正常开机、进入系统。由于ubuntu 18.04 LTS无法提供主板自带网卡芯片的驱动，右上角没有网络符号，无法上网。我用了N年前买的一个PCIE-x1的网卡，插上去后，右上角有网络符号，居然可以上网。重启后，网线插入独立网卡已经无法上网，在主板网卡上可以正常上网。之后，更新国内源，百度一下即可，简单的。
【001】配置深度学习GPU加速环境（win10系统+pytorch-GPU框架+GPU2080 Ti+NVIDA显卡驱动+CUNA+cuDNN）
BG大龍的博客
12-17 1467
1、实验环境 【1】基础 操作系统win10、 Anaconda3.5.1、 Python：base环境是Python3.7，可以创建独立环境 编译器：Pycharm2019.2 【2】 GPU：NVIDIA RTX 2080 Ti 显卡驱动：441.66，要和cuda版本适配 CUDA：10.1 cuDNN：7.6 【3】 框架 pytorch-gpu， TensorFlow-...
ubuntu系统下多种方法安装nvidia显卡驱动
最新发布
iiloveChina的博客
06-04 1871
下载得到“NVIDIA-Linux-x86_64-535.113.01.run”文件，将文件复制到英文路径的目录中，如：“/home/heqingchun/soft/nvidia”-no-x-check：安装驱动时关闭X服务 -no-nouveau-check：安装驱动时禁用nouveau -no-opengl-files：只安装驱动文件，不安装OpenGL文件。注：重启后进入bios设置，确认：1.设置独显直连 2.关闭安全启动。注：重启后进入bios设置，确认：1.设置独显直连 2.关闭安全启动。
2080Ti深度学习环境配置及常用软件安装
qq_30899353的博客
08-28 604
2080Ti深度学习环境配置及常用软件安装 ubuntu 16.04双系统的安装(已有window10系统)显卡驱动安装tensorflow安装teamviewer安装pycharm安装matlab安装 双系统的安装(已有window10系统) ubuntu参考安装教程 [1] [2] [3] [4] ubunu16.04下载地址 U盘启动制作软件rufus 首先，准备软件和工具，下载ubuntu16.04 iso镜像文件，U盘启动软件rufus以及大于等于4G U盘一个（制盘时会格式化） 在自己
深度学习的显卡对比评测：2080ti vs 3090 vs A100
热门推荐
deephub
03-30 2万+
显卡大幅降价了但是还可以再等等，新的40系列显卡也要发售了，所以我们先看看目前上市的显卡的性能对比，这样也可以估算下40显卡的性能，在以后购买时作为参考。 但是在本文之前一定要说下的是：本文并不推荐现在就买显卡，除非必须，现在一定不要买显卡，谁买谁吃亏，目前的情况是，“等” 就对了 回到正题，在这篇文章中我整理了几个在 NVIDIA GeForce RTX 3090 GPU 进行的深度学习性能基准测试。 一般的情况下我们都会使用 TensorFlow github 中的“tf_cnn_benchmarks
英伟达合作伙伴选择RTX 2080Ti作为深度学习-人工智能解决方案
u014522363的博客
09-10 5642
Scientific在9月6日发布新闻称，英伟达（Nvidia）全球服务器供应商之一AMAX将最新的GeForce RTX 2080 Ti图形卡集成到深度学习-人工智能以及HPC高性能计算服务器的解决方案阵容中。新的GeForce RTX 2080 Ti，2080和2070显卡是GeForce 1080 Ti，1080和1070 GPU的下一代产品。这些卡的FE（创始人）版本计划于2018年9月2...
基于TensorFlow使用RTX 2080 Ti深度学习基准（2020年）
m0_37909240的博客
08-07 1709
在本文中，讨论了RTX 2080 Ti与其他GPU相比的深度学习性能。我们使用RTX 2080 Ti来训练ResNet-50，ResNet-152，Inception v3，Inception v4，VGG-16，AlexNet和SSD300。我们在训练每个网络时测量每秒处理的图像数。 注意事项： 我们使用TensorFlow 1.12 / CUDA 10.0.130 / cuDNN 7.4.1 Tensor Core已被所有具有GPU的GPU所利用 RTX 2080 Ti-FP32 Tenso.
2080TI Ubuntu18.04工作站搭建-深度学习环境(2)
AI小生~小陶的博客
02-23 1667
2080TI Ubuntu18.04工作站搭建-深度学习环境(2) 安装RTX2080TI驱动 准备工作,进入链接下载驱动,此页面搜索驱动较为友好:https://www.nvidia.cn/geforce/drivers/ 驱动下载好之后,根据以下链接进行配置安装,小编下载的是470.82.00 版本的,cuda最高支持11.4. https://blog.csdn.net/wf19930209/article/details/95237824 ...
英伟达RTX 2080/2080Ti发布及UltraLAB采用最新turing图灵架构深度学习硬件配置推荐
wdf8088的博客
08-21 3031
       英伟达在今晚的发布会上正式公布了全新的RTX 2070、RTX 2080以及RTX 2080Ti显卡，Turing GPU基于台积电12nm+工艺，完整的TU102核心（Quadro RTX 8000）面积为754mm2，拥有186亿颗晶体管，内建4608颗流处理器、576个Tensor核心、36个几何单元和96个光栅单元。在光线追踪方面相比于上一代产品性能有了飞跃式的提升， 全新的...
Ubuntu18.04下深度学习环境搭建及问题解决（双系统+2080Ti显卡）
寸先生的AI道路
07-25 2433
本文使用的是SSD+机械安装双系统，先安装Win10，然后是Ubuntu18.04，显卡是Nvidia 2080TI 1. Win10,Ubuntu18.04双系统安装 见我另一篇博客 2.安装显卡驱动 如果只想在Windows下玩深度环境的可以看我另外一篇博客 删除系统自带的不适配的NVIDIA驱动 sudo apt-get purge nvidia-* 安装完毕后，通过命令行方式禁用自带...
【回答问题】ChatGPT上线了！在A100和3080平台上使用2080ti的深度学习环境训练的模型进行推理？CPU、GPU是如何变化？
源代码杀手的博客
01-02 929
推理过程中，CPU 和 GPU 的使用情况可能会有所不同。因此，如果 CPU 和 GPU 配置相同，则 CPU 的使用率可能较低，而 GPU 的使用率可能较高。在训练过程中，CPU 主要负责处理数据的输入和预处理，GPU 则负责训练模型的实际运算。因此，如果 CPU 和 GPU 配置相同，则 CPU 的使用率可能较低，而 GPU 的使用率可能较高。【回答问题】ChatGPT上线了！在 A100 和 3080 平台上使用 2080ti 进行深度学习模型训练时，CPU 和 GPU 的使用情况可能会有所不同。
RTX2080Ti-深度学习环境配置
weixin_40593658的博客
12-24 6658
最近新购置了一台服务器，被环境折腾了半天，在这里纪念一下安装的心酸历程。 环境配置：ubuntu18.04，cuda10.0，cudnn7.3.1，tensorflow-gpu1.12.0 1.下载显卡驱动、cuda、cudnn cuda10、cudnn、nvidia 2. 安装显卡驱动 2.1禁止系统默认的显卡驱动 打开系统黑名单 sudo gedit /etc/modprobe.d/black...
Idea配置Git
qq_28016751的博客
10-12 320
1.下载git.exe git官网下载：https://git-scm.com/download/win 选择自己的widows版本进行下载。 下载完成后进行双击.exe文件进行安装 2.idea配置git.exe git安装完成，选择安装目录cmd下的git.exe 点击Test 进行配置测试。 ...
liunx系统2080TI显卡安装英伟达440.33.01驱动(cuda+cudnn)
一个随缘学习的猿
04-09 2382
一：给电脑安装英伟达的显卡驱动。首先找到对应的系统的CUDA版本。（一定要找对应系统版本的程序，不然安装时会报错导致安装不成功）下载地址为：https://developer.nvidia.com/cuda-10.2-download-archive? 如下图所示： 本文档里面安装程序的类型为runfile(local)，版本为: cuda_10.2.89_440.33.01_linux.run。当你选择好了所有的条件后，会出现基本安装程序，全选下载网址，（如下图所示：）单击鼠标右 键选择转到，浏.
Ubuntu16.04 2080Ti显卡驱动 CUDA10.1 cudnn7.6安装 （解决Ubuntu循环登录）
bmwlwg的博客
09-13 3420
本文主要参考：https://blog.csdn.net/qq_39418067/article/details/87978848 部分安装内容因为我的电脑配置不同略有调整。 主要是因为Ubuntu16.04循环登录问题所以下面出现了卸载原来Nvidia显卡驱动， CUDA以及cudnn等步骤。 如果是新装电脑可以忽略其中的卸载步骤。 如果原来已经安装了CUDA和cudnn， 安装完显卡...
linux系统下安装2080ti驱动,Ubuntu18.04安装RTX2080Ti+NVIDIA驱动+CUDA
weixin_33622085的博客
05-03 1294
Ubuntu18.04安装RTX 2080Ti 与 Cuda10一、准备工作：1. 更新PCI ID由于目前ubuntu 18.04使用的内核版本是4.15.0，比较新的显卡还没有同步更新到位，所以我们需要手动更新一下支持的PCI ID。1)在终端输入：sudo update-pciids2)查看命令是否成功执行：sudo cat /usr/share/misc/pci.ids | grep -i...
拯救者R7000安装ubuntu18.04单系统
weixin_47805561的博客
11-30 1857
拯救者R7000安装ubuntu18.04单系统拯救者R7000安装ubuntu18.04单系统1.在原系统下制作好启动盘2.开始安装3.安装后的优化 拯救者R7000安装ubuntu18.04单系统 笔者的作业要求笔者在电脑上安装好linux系统，纠结了很久，最终还是决定完全告别windows系统（再见了，英雄联盟），安装一个单系统的ubuntu18.04。由于笔者linux系统下暂时还没有找到好用的截图工具（之前都用的QQ截图)，因此就没能把过程截图下来让大家看得更明白，抱歉。 1.在原系统下制作好启动
深度学习选GPU
hajungong007的博客
11-16 1443
本文作者 Tim Dettmers 是瑞士卢加诺大学信息学硕士，热衷于开发自己的 GPU 集群和算法来加速深度学习。这篇文章深入研究这个问题，并提供建议，帮你做出最合适的选择。 目前，我的主要建议是，使用RTX 2070 GPU并使用16位计算训练模型。我不推荐购买XP Titan，Titan V，任何Quadro显卡或任何FounderEdition的GPU。 但是，一些特定的GPU也有它们的合...
【Linux更新驱动、cuda和cuda toolkit】
syh的技术记录
03-19 6054
最近需要更新服务器的显卡驱动和CUDA版本，记录一下更新过程。写在前面：对于稍微有些复杂的环境安装问题，不要指望一个博客能涉及到方方面面。以下内容只是记录大体流程，不同环境肯定还会遇到不同的、博客中没有涉及到的问题，此时还需要“具体问题具体分析”。
T630服务器安装机器学习环境（ubuntu16.04server、Nvidia驱动、CUDA9.0、CUDNN7）.docx
09-25
至此，T630服务器已成功配置了适用于机器学习的环境，包括Ubuntu 16.04 Server、Nvidia驱动、CUDA 9.0和CUDNN 7。现在，你可以在这个环境中安装TensorFlow、PyTorch等深度学习框架，开始进行高效的GPU计算。

“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 2
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