【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装
配置:
CPU:i7
GPU:1070
CUDA:8.0
Cudnn:8.0v6.0
Tensorflow:1.4
双系统:win7 + ubuntu16.04
一.系统安装
Win7 U盘安装Ubuntu16.04 双系统详细教程
安装主要分为以下几步:
一. 下载Ubuntu 16.04镜像软件;
二. 制作U盘启动盘使用ultraISO;
三. 安装Ubuntu系统;
四. 用EasyBCD 创建启动系统启动引导; (根据个人情况,选择性的安装)
五. 开启系统;
一. 下载ubuntu16.04
直接到官网免费下载 http://www.ubuntu.com/download/desktop
根据自己计算机的配置信息下载(本人下载的是的64位的)
二. 制作U盘启动器
百度下载ultraISO软件安装并打开
1.
2.
3.
4.开始写入—》直到完成大概五分的样子
三.安装Ubuntu系统
1.要在Windows下新划出一个大于20G的硬盘空间
(本人划分了50G,如果说知识为了玩玩,那么20G足够了)
在win7系统下–》计算机–》右键–》管理–》磁盘管理—–》然后自己真不会分区了百度一大堆!(分好空间不 要新建压缩卷)——》保持他的绿色–一会儿U盘启动后需要分区的
2.在电脑上插入制作好的U盘启动盘,重启电脑,F2–》boot界面,选择通过USB启动。
(不同主板进入boot,按键有区别)
3.进入ubuntu安装菜单,选择 “安装Ubuntu”。(语言选择汉语吧!,当然你的英文可以了,English无所谓了)
4.在安装类型界然后选择最后一项“其他选项”,以为这样可以自己手动分区,点击继续。
5.现在我们看到的是硬盘的分区情况,找到前边有“空闲”二字,我们要做到就是,把空闲的空间给ubuntu划分分区。
6.点击“空闲”的分区,选择下边的“添加”,弹出窗口如下,上边填写分区空间大小,下边填写要挂载的分区,然后确定。
逻辑分区,200M,起始,Ext4日志文件系统,/boot;(引导分区200M足够)
逻辑分区,4000M,起始,交换空间,无挂载点;(交换分区swap,一般不大于物理内存)
逻辑分区,15000M,起始,Ext4日志文件系统,/;(系统分区”/”或称作”/root”装系统和软件,15G以上足够)
逻辑分区,剩余空间数,起始,Ext4日志文件系统,/home;(home分区存放个人文档)
7.分区设置好后,查看/boot分区的编号,然后在下边的“安装启动引导区的设备”下拉框中选择/boot分区的
编号,点击安装。一直到你安装成功,当然中途需要你设置一个用户名和密码的(这个就不说了吧)
8.安装完成后需要重新启动(这个时候默认是在Ubuntu启动模式下进入的–》选择windows7系统启动)
四. 用EasyBCD 创建启动系统。
1.下载EasyBCD,此软件用于在启动电脑的时候选择要进入的系统(自行百度搜索安装)
2.打开easyBCD,选择add new entry, 选择linux/BSD, name这一行随便填写,只是系统名词,写ubuntu吧,Device这一行选择刚刚我们创建的200MB的那个”/boot“分区,前边有linux标记的。(其他的不要动)
五. 开启系统
做完这些重启系统后,系统会将win7系统和ubuntu 16.04系统都列出来,你可以选择系统进入了。
这样启动的好处(windows 不会受到Ubuntu的影响)
如果说没有最后这一步,没有任何问题,但是你要是启动windows7把Ubuntu系统的分区删除,那么就启动不了系统了
(如果你真的遇到这样的问题了,不要着急,直接用老毛桃U盘或者大白菜制作好的U盘启动,直接启动引导修复就OK了)
上图:选择Ubuntu-16.04
2.选择Ubuntu或者等待几秒自动进入
3.进入系统主界面
第一波任务结束!
二.环境安装
第一步:安装navidia driver
Ubuntu下安装nvidia显卡驱动(安装方式简单)
第二步:安装anaconda
参考我另一篇文章: 【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程
这篇文章包含了详细的安装流程,anaconda镜像库,以及anaconda教程。
第三步:安装tensorflow-gpu
terminal下run
conda create -n tensorflow python=2.7
source activate tensorflow
conda install -c conda-forge tensorflow-gpu
若要在终端使用 Tensorflow, 则要先输入 source activate tensorflow,退出时输入 source deactivate
安装过程中会自动安装相关的依赖包,如cuda、cudnn等等
虽然自动安装的依赖cuda、cudnn,tensorflow-gpu也可以工作,但是我们还是建议读者手动安装cuda、cudnn(Ubuntu下安装cuda+cudnn)。因为这样可自己配置cuda以及cudnn版本信息,并且cuda、cudnn相关的包也是在默认目录下,而不是在anaconda下,以免其他环节使用时出错
测试:
进入terminal并run:python, 在python环境下引入tensorflow: import tensorflow as tf,如果没有报错,那么安装成功
测试GPU
测试代码如下:
import tensorflow as tf
a = tf.constant([1.,2.,3.,4.,5.,6.], shape=[2,3], name='a')
b = tf.constant([1.,2.,3.,4.,5.,6.], shape=[3,2], name='b')
c = tf.matmul(a,b)with tf.Session(config= tf.ConfigProto(log_device_placement=True)) as sess:
print(sess.run(c))
结果如下: (之后再拍图)
表明安装成功,且可以使用tensorflow-gpu运行GPU
GPU使用率:terminal下run:
nvidia-smi -q -g 0 -d UTILIZATION -l
or run:
watch -n 2 nvidia-smi
三、 Ubuntu16.04安装Tensorflow-gpu
主要参考:
Ubuntu16.04安装TensorFlow-gpu版本
Ubuntu16.04下安装tensorflow(GPU加速)
1. 安装对应的显卡驱动,最简单且方便的做法就是在“设置”的“附加驱动”里直接安装nvidia的驱动(需要重启才能更新)。然后我之前用的是自己下载对应版本来安装,比较麻烦,而且后续容易出问题~
2. 检查驱动:
nvidia-smi
会显示以下信息:
3. gcc降版本
在终端依次执行:
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++/usr /bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
4. 安装CUDA8.0
先找到CUDA_8.0资源(官网下载会是最新的9.1版本)。然后终端依次输入:
sudo apt-get update
chomd +x cuda_8.0.44_linux.run
sudo su cuda_8.0.44_linux.run --override --silent --toolkit
5. 安装cudnn 8.0v6.0,注意一定要装6.0的:
先下载cudnn 8.0v6.0安装包,然后终端依次输入:
sudo cp cudnn-8.0-linux-x64-v6.0.tgz /usr/local/cuda
cd /usr/local/cuda
tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
6. 配置CUDA环境变量
sudo gedit ~/.bashrc
在打开的编辑器末尾添加:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
保存并在终端输入:
source ~/.bahsrc
7. 建立软链接
终端输入:
cd/usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量:终端输入:sudo gedit /etc/profile
在编辑器末尾加入:
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后,创建链接文件:
sudo vim /etc/ld.so.conf.d/cuda.conf
摁a进入插入模式,增加下面一行:
/usr/local/cuda/lib64
保存退出。最后在终端输入:
sudo ldconfig #使链接生效
注意:这步可能会报错:
/sbin/ldconfig.real: /usr/local/cuda/lib64/libcudnn.so.6 不是符号连接
解决方法:
终端输入:sudo ldconfig -v
找到这一行错误:libcudnn.so.6 -> libcudnn.so.6.0.21
是这个链接错误。以根用户(sudo su)在终端输入:ln -sf
/usr/local/cuda-8.0/lib64/libcudnn.so.6.0.21 /usr/local/cuda-8.0/lib64/libcudnn.so.6
再执行sudo ldconfig即可
8. 检查CUDA是否安装好
切换到CUDA 8.0 Samples默认安装路径(即在NVIDIA_CUDA-8.0_Samples目录下),终端输入:
sudo make all –j8 #(我的电脑是8核)
完成后继续向终端输入:
cd bin/x86_64/linux/release
./deviceQuery
如果看到下面画面,则成功:
9. 安装Tensorflow-gpu
1) 按照教程是:sudo pip3 install tensorflow-gpu
报错:sudo: pip3:找不到命令
解决:udo apt-get install python3-pip
验证pip3是否安装成功:pip3 --version
2) 输入:sudo pip3 install tensorflow-gpu
开始下载Downloading
tensorflow_gpu-1.6.0-cp35-cp35m-manylinux1_x86_64.whl以及各种依赖包;
然后出现问题:
You are using pip version 8.1.1, however version 9.0.3 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.
百度解决:
apt install python-pip
python -m pip install --upgrade pip
sudo pip install tensorflow-gpu
(若在python3.5安装,则:先pip3 install --upgrade pip 然后sudo pip3
install tensorflow-gpu)
再次下载安装,没有警告或报错
3) 然后无论是输入python还是python3,若import tensorflow as tf报错:
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
Failed to load the native TensorFlow runtime.
这是因为我装了tensorflow-gpu 1.5版本,而我用的是cuda 8.0和cudnn6.0,1.5版本要求cuda 9.0,解决方法是回滚:pip install tensorflow-gpu==1.4(在python2.7上回滚安装好tesorflow1.4);若用pip3 install tensorflow-gpu==1.4 则是回滚python3.5上安装好的tensorflow——个人建议在python3.5上使用Tensorflow。
总之,这种python--pip--tensorlow--CUDA的匹配问题一定要谨慎(我个人就是特别容易搞混这个,然后导致两种python版本都安装了tensorflow,然后回滚的时候也搞混~~区分pip和pip3的使用!!!)
10.验证tensorflow-gpu:
终端输入: python3
然后输入验证程序:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果安装成功,则会显示 Hello, TensorFlow!
参考资料
conda-forge: conda库,速度比较快,整理的比较好
Anaconda+Tensorflow环境安装与配置
How to install the latest Nvidia drivers on Ubuntu 16.04
Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程
【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装相关推荐
- windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同
windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同 介绍ubuntu系统下配置docker下GPU使用环境的文章很多,本文算是一个比较性梳理. 主要比较一下wsl ...
- python dlib gpu ubuntu conda_Ubuntu 下编译支持 GPU 的 TensorFlow 和 Dlib
Ubuntu 安装 选择 Ubuntu 18.04 LTS 版,安装时不联网,选最小安装,节省安装的时间. 重启时进入 BIOS ,暂时禁用 secure boot ,并改回正确的系统时间. 进入系统 ...
- Ubuntu系统下实时监控GPU的温度
GPU是一种高耗能.强发热的电脑配件,我们在运行程序的时候要经常的实时监控GPU的温度.该如何操作呢? 其实很简单,如下: 1.查看GPU(多卡)的温度 nvidia-smi -q -i 0,1 - ...
- Ubuntu系统下Chromium浏览器中Adblock plus 广告过滤插件的安装及配置
在Ubuntu系统下浏览一些网站的时候,总会弹出广告,极大的影响了使用体验,尤其是某些网站弹出的广告图片及其恶心.好在有 Adblock plus 这样的神器. 1 插件下载 Adblock plus ...
- ubuntu/linux下打包压缩war、解压war包和jar命令
把project_a文件夹下的文件打包成project.war 1. 打包 jar -xvf project.war /project_a -c 创建war包 -v 显示过程信息 -f ...
- Ubuntu 16.04 LTS, 64bit,cuda 8, Caffe环境配置编译和安装
1 GPU设备 1.1 本人使用的GPU设备 名称: 七彩虹GTX980Ti显卡iGame980Ti烈焰战神X 6G 1.2 硬件问题 Laboratory Tested Hardware: Berk ...
- Ubuntu 14.04 LTS, 64bit, cuda 7, Caffe环境配置编译和安装
1 GPU设备 1.1 本人使用的GPU设备 名称: 七彩虹GTX980Ti显卡iGame980Ti烈焰战神X 6G 1.2 硬件问题 Laboratory Tested Hardware: Berk ...
- ④ESP8266 开发学习笔记_By_GYC 【Ubuntu系统下ESP8266 开发环境搭建】
目录 ④ESP8266 开发学习笔记_By_GYC [Ubuntu系统下ESP8266 开发环境搭建] 一.安装前准备 1.乐鑫官方的ESP-IDF 编程指南 2.ESP-IDF风格的ESP8266 ...
- Ubuntu 12.04搭建MTK 6577 安卓开发环境
Ubuntu 12.04搭建 MTK 6577安卓开发环境 1. 下载并安装Vmware虚拟机: 2. 下载并在虚拟机上安装Ubuntu 12.04 iso 安装包:下载地址: ...
最新文章
- 组合计数 ---- 2020 EC final B. Rectangle Flip 2(枚举+组合计数)
- 并发编程中的大坑:你的直觉有序性问题
- TX2 -cartographer安装
- 我在神策做研发 | 码农变身“建筑师”:安逸中离走,责任中成长
- 怎么把excel文件转成dta_Word怎么转成PDF文件?首选就是这个转换方法!
- centos 对已有卷扩容_centos LVM扩容 添加磁盘
- [蓝桥杯][2013年第四届真题]剪格子-dfs
- Mysql数据库引擎快速指南
- linux如何重启syslog服务,Linux syslog服务
- 支付宝疯起来连自己都打
- php电脑维修店网站源码,某电脑维修网站整站打包 v1.1
- HTML5+CSS3从入门到精通
- Linux命令之打包tar
- 机器学习评价指标 ROC与AUC 的理解和python实现
- linux系统下面所有命令都失效了,显示bash: xxxxx: command not found...
- agp计算机组装什么意思,教你怎么组装电脑
- [CyanogenMOD移植教程]第一章:环境的搭建
- 浙大超厉害计算机硕士生导师
- Ant Design Pro(5)-3.UI配置
- java trove_trove4j高性能Java集合库