基础平台:64-bit,Ubuntu14.04

1.安装NVIDIA驱动(参考技术文章,基本是复制啊,蟹蟹作者~)

(1) 在官网下载NVIDIA驱动,根据自己买的型号选择下载,放到 /home/lvxia/ 目录下面,我下载的是NVIDIA-Linux-x86_64-367.27.run.

(2) 屏蔽开源驱动 nouveau(原文章说“可以不编辑blacklist.conf,NVIDIA.run驱动程序可以自己停止其他开源驱动,但是需要重启”)

sudo gedit /etc/modprobe.d/blacklist.conf

添加以下内容保存

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
(这里有一行空格)

(3) 删除旧NVIDIA驱动

sudo apt-get --purge remove nvidia-*(需要清除干净)
sudo apt-get --purge remove xserver-xorg-video-nouveau

(4) 重启电脑。

(5) 按Ctrl + Alt +F1(F1~F6均可)到x-server, Ctrl+Alt+F7是返回

(6) 关闭图形环境,否则驱动无法正常安装

输入用户名密码登录,然后键入命令后执行(数字不能用小键盘输入)

sudo service lightdm stop

成功关闭服务后将出现:lightdm stop/waiting

(7) 进入驱动所在的文件夹,这里就是/home/lvxia,执行

sudo sh NVIDIA*.run

原文章链接里的 sudo sh NVIDIA.run 执行失败,键入用户密码。后面就一路Accept就可以~报错The distribution-provided pre-install script failed!不必理会,继续安装。最重要的一步,安装程序问你是否使用nv的xconfig文件,这里一点要选yes,否则在启动x-window时不会使用nv驱动。

至此,安装成功~

(8) 重启 X-window 服务

sudo service lightdm start

查看显卡是否装好,运行

glxinfo | grep rendering

假如显示"direct rendering: Yes",则已安装。

原技术文章写了另一PPA源方法,我没有测验过,就不贴了~~

2.安装Theano、cuda支持

这里看了很多不错的技术博客,但是因为没有一个是完全适合我的情况的,也入了不少坑,所以我自己也记录一个吧~

(1) Ubuntu-安装-theano+caffe-超详细教程

(2) Ubuntu 14.04系统安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境

(3) Ubuntu14.04安装cuda

蟹蟹作者们~~

2.1 安装Theano

(1) 预先安装工具

sudo apt-get install -y python-dev python-pip python-nose gcc g++ git gfortran

(2) 安装BLAS, LAPACK, ATLAS

sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev

(3) 安装NumPy

后面安装的每一步测试为 0 errors,才能进行下一步~~时间都挺长的啊~

sudo pip install numpy
#进行测试。
python -c ‘import numpy; numpy.test()‘

也可以命令python进入—>import numpy—>numpy.test()。

(4) 安装scipy

sudo pip install scipy
python -c ‘import scipy; scipy.test()‘

(5) 安装Theano

sudo pip install Theano
sudo python -c ‘import theano; theano.test()‘

这个测试的时候遇到 ImportError:No module named nose-parameterized 错误,后来执行:

pip install nose_parameterized

再次测试就木有问题啦,等了好久~以上操作我都是参考博客2的,然后后面我按照他的操作装cuda时,install libgl1-mesa-glx的时候出现依赖包问题解决不了,报以下错误:

The following packages have unmet dependencies:

unity-control-center:      Depends:libcheese-gtk23(>=3.4.0) but it is not going to be installed

                                  Depends:libcheese7(>=3.0.1) but it is not going to be installed

令人抓狂的错误提示,后面搞这个搞了一两天,最后还是没有正面解决这个问题,不更新/更新系统补丁、不换/换软件源都不行,明明已经安装了依赖的包,但是却总提示包不被安装,最后通过另一篇博客里介绍的方法安装cuda了。。

2.2 安装Cuda(参考博客3)

(1) 验证电脑是否有显卡支持

lspci | grep -i nvidia

我买的是GTX 960,穷人版本…

(2) 查看Linux的版本

uname -m && cat /etc/*release

(3) 查看gcc版本

gcc --version

(4) 下载nvidia cuda的仓库安装包nvidia-cuda,找到自己电脑对应系统对应版本。

注意选择的是deb(network).

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_7.5-18_amd64.deb

直接下载到主目录下了~~

(5) 安装cuda软件包

sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb

(6) 更新本地仓库

sudo apt-get update

(7) 安装cuda啦

sudo apt-get install cuda

原来的技术博客里说Ubuntu系统安装好后不要更新系统补丁,原因见 博客3.

(8) 测试

echo ‘export PATH=/usr/local/cuda-7.5/bin:$PATH‘ >> ~/.bashrcecho ‘export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH‘ >> ~/.bashrcsource ~/.bashrc

这里最好重启一下电脑,因为我按照操作后测试deviceQuery时一开始是不对的,重启电脑后就好了~

2.3 验证

(1) 查看NVCC编译器的版本

nvcc -V i

(2) 查看显卡的驱动版本

cat /proc/driver/nvidia/version

(3) 安装cuda的示例代码

cuda-install-samples-7.5.sh /home/lvxia/cuda

(4) 编译代码

cd cuda/NVIDIA_CUDA-7.5_Samples/
make

(5) 运行代码

cd bin/x86_64/linux/release/
sudo ./deviceQuery
sudo ./bandwidthTest

最后一行 result=pass表示通过~

3. 验证环境

(1) 新建test.py,复制如下内容保存,(主目录/home/lvxia下)

from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import timevlen = 10 * 30 * 768  # 10 x #cores x # threads per core
iters = 1000rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in xrange(iters):r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):print(‘Used the cpu‘)
else:print(‘Used the gpu‘)

(2)新建 .theanorc 设置GPU代替CPU运算(主目录)

可以使用 gedit 打开,因为 vi 不太会操作。。复制如下内容到文件中保存。这个文件在home目录下看不到,可以通过命令 ls –all 看到的~

[global]
floatX=float32
device=gpu

(3) 运行test.py

python test.py

最后一行显示 used the gpu 就对啦~

然后有句提示CNMEM is disabled, cuDNN not available, 资料说CNMEM可以不用管,Theano支持cuDNN(可选),但是Tensorflow必须要cuDNN,所以就装cuDNN了。

(4) 安装cuDNN

cuDNN是专门针对deep learning框架设计的一套GPU计算加速方案,首先需要注册一下,然后才能下载cuDNN。

进入Downloads目录

tar xvzf cudnn-7.5-linux-x64-v5.0-ga.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cd -a cuda/lib64/libcudnn*  /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

有个技术博客里说的问题我这里没遇到。

再运行test.py,提示 CNMEM is disabled, cuDNN 5005对啦~!

后面发现了一些不错的博客,没有测试,贴在这后面看看 使用GPU和Theano加速深度学习、Theano、Lasagne、TensorFlow在Ubuntu支持GPU的安装

end,happy~

ubuntu+cuda+theano相关推荐

  1. ubuntu安装Theano+cuda

    ubuntu安装Theano+cuda 由于学习需要用到GPU加速机器学习算法,需要安装theano+cuda. 开源库的一大问题就是:难安装. 为了搞好这个配置,我是前前后后花了3天,重装了3次ub ...

  2. Darknet_Yolov4实战(一)_安装Ubuntu+cuda+cudnn

    Darknet_Yolov4实战(一)_安装Ubuntu+cuda+cudnn 安装Ubuntu18.04 安装显卡驱动 安装cuda 安装cudnn 安装Ubuntu18.04 首先关闭你要安装 U ...

  3. ubuntu 安装 theano

    参考博客: http://www.cnblogs.com/anyview/p/5025704.html 1. 安装gfortran, numpy, scipy, sklearn, blas, atla ...

  4. 从头开始安装Ubuntu,cuda,cudnn,caffe,tensorflow,ROS

    前言 安装ubuntu一直是一件特别特别麻烦的事情,以前常常因为换一台主机就得完全重新安装一遍,每次安装都要折腾特别久,总会遇到各种各样的问题.因此很有必要写一个Blog完整记录整个过程及遇到的问题. ...

  5. 一文搞定实验室服务器配置:硬件+Ubuntu+CUDA/cuDNN+Python/Anaconda深度学习环境配置

    写在最前面 这个标题可能有点标题党了.几个月之后回顾这篇博客,觉得这个方案并不适合服务器:服务器应该使用虚拟化的方法搭建环境,这样更加安全.然而如果你是一个做深度学习的,想为自己的主机配置环境,那么这 ...

  6. Ubuntu cuda torch安装

    welcome 欢迎学习使用报错模拟器 Ubuntu系统 安装ubuntu 安装Nvidia驱动和cuda python的安装 我想想-还有torch 备注 莫得了 欢迎学习使用报错模拟器 安装这些系 ...

  7. NVIDIA wget下载cuda失败的解决方案,Linux/Ubuntu cuda 11离线下载安装包

    最近在配环境的过程中使用英伟达官方的wget下载cuda_11.0.1_450.36.06_linux.run,下载到一半断流且无法断点续传,用其他工具下载下来是32b或者42b的一个文件. 换了设备 ...

  8. Ubuntu + CUDA 8.0 + GTX960M

    参考网址:https://blog.csdn.net/qq_37941538/article/details/87818746 在运行sudo ./cuda_8.0.44_linux.run这一步的时 ...

  9. Ubuntu 16.04系统下CUDA8.0配置Caffe教程

    由于最近安装了Ubuntu 16.04,本文教程的特点是不需要降级gcc的版本,毕竟cuda8.0已经支持gcc5以上(默认不支持,实际支持). 本文是在参考caffe官网教程以及http://www ...

最新文章

  1. 近来工作和面试一些人的感受(原)
  2. Android NDK 内存泄露检测
  3. tensorflow综合示例4:逻辑回归:使用Estimator
  4. 引入父文件夹中的py文件(转)
  5. 发送结构化数据Client端
  6. python爬虫新闻网页的浏览量转载量,Python爬取新闻网标题、日期、点击量
  7. PV3D绘制3D线条 - 3DMAX插件AS3GeomClassExporter导出顶点到AS类
  8. (转)周明:未来5-10年,自然语言处理将走向成熟
  9. Tomcat安装配置
  10. 【对话系统】Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation
  11. 小知识 定位测绘领域中全站仪/接收机RTK精度1cm+1ppm的含义
  12. NameNode中Fslmage镜像和Edits编辑日志详解
  13. GreenPlum ANALYZE
  14. 图像处理 图像识别 模式识别 分类检测
  15. [每日短篇] 5 - Sublime Text 的正则表达式 Capturing Group
  16. bcd转ascii码 流程图_BCD码转换成ASCII值
  17. 关于最小二乘估计的一点理解和感悟
  18. 【技术分享】如何通过PPPOE拨号上网
  19. 美国股市暴跌,中国路在何方
  20. 最大似然估计(MLE)和最大后验概率(MAP)

热门文章

  1. java实现购物券消费方案
  2. 面试自动化测试的必问题
  3. 微服务实战系列之SpringCloud Alibaba学习(四)
  4. 【强化学习】模仿学习:生成式对抗模仿学习
  5. OpenCV-Python实战(22)——使用Keras和Flask在Web端部署图像识别应用
  6. 【深度学习中模型评价指标汇总(混淆矩阵、recall、precision、F1、AUC面积、ROC曲线、ErrorRate)】
  7. ACM之路的高一下学期
  8. 说说计算机有哪些用途,电脑对你有什么用处?写5个英语句子,说明电脑对你的重要性...
  9. 1.找到适合你的学习方法
  10. 华中科技大计算机考研相关信息