Ubuntu16.04+tensorflow(gpu)+Cuda(8.0)+cudnn(5.1)

最近系统出问题，重新配置，直接参考：
http://www.52nlp.cn/%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E6%90%AD%E5%BB%BA%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AEubuntu-1080ti-cuda-cudnn
一.机器配置
Cpu: 至尊i7-6850k
内存：64G
显卡:Gtx-1080Ti
主板：x99-deluxe II
附华硕Deluxe主板安全模式关闭方式：
https://www.cnblogs.com/zhaofenqiang/p/6071385.html?utm_source=itdadao&utm_medium=referral
硬盘：256G(ssd)

二.Ubuntu系统安装（16.04）
（1）制作启动盘，工具UltraISO软碟通
（2）启动方式UEFI：
目前，大部分主板都支持UEFI启动，不再是以前的Legacy, ubuntu支持UEFI方式的启动。
（3）开机进入BIOS，设置UEFi模式下的u盘启动，按正常步骤，一般不选择联网等。
最近一次（2017.11.15由于开机登录系统后无桌面图标等问题）重装系统，安装过程遇到问题：1. 在做好启动U盘，选择U盘启动，选择ubuntu install 后系统黑屏（选其他一样），解决方法如下链接（注意第二步中进入grub是Esc，进入可编辑内容是右shift）。2.上述的ubuntu系统为官网下载的最新，但安装Nvidia驱动时又遇到其他问题，最终换了一个旧版本的16.04，解决。
https://www.cnblogs.com/huadongw/p/6505976.html
http://www.linuxidc.com/Linux/2017-01/139319.htm
最关键的一步：分区

swap交换空间：这个就虚拟内存，网上大部分教程说分为物理内存的1.5-2倍，然而本机器物理内存已有64G，因此不必按这个来，够用就行。
——类型：交换空间，主分区，空间起始位置，2G.

EFI系统分区：
系统的引导文件都在其中，它的作用和旧式的boot分区作用一样，但boot默认是grub引导，efi显然是UEFI引导的。
——类型：EFI系统，逻辑分区（这里不是主分区，老是的boot挂载才是主分区），空间起始位置，512M;

挂载“/Home”:
——类型：EXT4日志文件系统，逻辑分区，空间起始位置，100G（根据自己硬盘空间而定，越大越好）。

挂载“/USR”:
——类型：EXT4日志文件系统，逻辑分区，空间起始位置，100G（根据自己硬盘空间而定，越大越好）。

挂载”/”：
——类型：EXT4日志文件系统，逻辑分区，空间起始位置，剩下空间（就剩20G左右）。

分配好挂载点后，至关重要一步是选择“按转引导启动器的设备”，选择为刚刚建立的EFI系统分区对应的硬盘编号。接下来，就是不断的下一步。

参考文档：http://blog.csdn.net/ysy950803/article/details/52643737

三.驱动安装
开机后进入桌面系统，会发现分辨率未达到最高，且系统“显示”设置下无其他分辨率的选择，显卡对应驱动未安装导致的。
（1）Nvidia官网下载对应版本驱动：http://www.geforce.cn/drivers
GeForce10 Series+Linux 64
（2）禁止集成的Nouveau驱动：
Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。

将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。

查看属性：

$sudo ls -lh /etc/modprobe.d/blacklist.conf

修改属性：

$sudo chmod 666 /etc/modprobe.d/blacklist.conf

编辑器打开：

$sudo vi /etc/modprobe.d/blacklist.conf
添加：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

（3）开始安装：
按Ctrl+ALt+F1到控制台，关闭当前图形环境：

$sudo service lightdm stop
切换到驱动对应目录，并运行:
$sudo sh NVIDIA-Linux-x86_64-xxx.run

（4）重启
如果安装后驱动程序工作不正常，使用下面的命令进行卸载：
sudo sh ~/NVIDIA-Linux-x86_64-367.44.run --uninstall
（5）nvidia-smi
nvidia-settings
可观看相关信息。

$cat /proc/driver/nvidia/version

可查看显卡驱动版本。

参考文档：http://blog.csdn.net/tianrolin/article/details/52830422
http://blog.csdn.net/ssmixi/article/details/73483795
http://www.linuxidc.com/Linux/2016-12/138907.htm

四.Anaconda安装
较为简单，参考：http://blog.csdn.net/zhdgk19871218/article/details/46502637

其中注意一点是，更新环境便变量:

source ~/.bashrc

至于~/.bashrc什么意思：http://blog.csdn.net/qing101hua/article/details/53086318

五.Tensorflow安装（GPU+py36）
本人主要在Anaconda环境下安装的，因为它集成了一些底层依赖。
（1）建立tensorflow环境：

conda create -n tensorflow python=3.6 //根据自己的python版本选择

（2）pip方式安装：
先激活环境：

source activate tensorflow

在这里采用清华镜像安装，若直接官网安装，可能由于网速问题带来麻烦：

pip install \-i https://pypi.tuna.tsinghua.edu.cn/simple/ \https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp36-cp36m-linux_x86_64.whl

此时，打开python测试:此时出现

libcudart.s0.8.0:cannot open shared object file``````（问题记不太清，原因是因为cuda/cudnn未安装，安装见后续步骤）

关闭tensorflow环境:source deactivate tensorflow

PIp安装的优缺点：
优点：应该是几种安装方法中最快的一种
缺点：不能灵活定制，操作系统、GPU 硬件、CUDA 版本、cuDNN 版本必须与官方标称一致

Tensorflow另一种安装方式：源码安装（本人未试过）
参考：
http://blog.csdn.net/kkk584520/article/details/51476816
http://blog.csdn.net/toormi/article/details/52904551

六.Cuda安装
（1）官网下载对应版本：
https://developer.nvidia.com/cuda-release-candidate-download
https://developer.nvidia.com/cuda-80-ga2-download-archive
选择runfile安装类型，大小1.4G左右。
同时，可以下载官网的安装手册，有对应教程。

（2）检查本机环境是否支持安装：
a) 检查自己的GPU是否是CUDA-capable：

$ lspci | grep -i nvidia

b)检查自己的Linux版本是否支持 CUDA
c)检查自己的系统中是否装了gcc:$gcc –version
d)检查是否安装了kernel header和 package development

在终端中输入： $uname –r 可以查看自己的kernel版本信息
在终端中输入：$ sudo apt-get install linux-headers-$(uname -r)

（3）安装Cuda 8.0
a）禁用Nouveau
之前安装驱动时已经做过,此处不需要重复

b)关闭图形化界面
alt+ctrl+F1
运行：$ sudo sh cuda_xxx_linux.run
按照提示进行下一步，其中“驱动安装”选择no，因为之前驱动已经安装。

参考文档：http://m.blog.csdn.net/article/details?id=51882183

**（——选择Deb（本地）类型格式文件安装方法：
$ sudo dpkg -i cuda-repo-ubuntu1604-8.0-local_8.0.61_amd64.deb $ sudo apt-get update $ sudo apt-get install cuda）
上述命令执行完毕后，cuda将被安装到/usr/local/bin目录下。**

（4）添加环境变量

打开：
sudo vim ~/.bashrc
添加：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0
/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

或者：

sudo vim /etc/profile
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH

（5）验证：
a）进入NVIDIA_CUDA-8.0_Samples目录，执行： make(时间大约几分钟)b)进入1Utilities目录，执行： make (时间大约几分钟) b) 进入1_Utilities目录，执行： ./deviceQuery/deviceQuery ,

七.Cudnn安装
它是一个使用GPU加速的深度神经网络库,从nvidia官网下载，对应版本v5.1,v6(最新) for cuda 8.0.
https://developer.nvidia.com/rdp/cudnn-download
需要注册帐号等。
安装较为简单：

$ tar xvzf cudnn-8.0-linux-x64-v5.1.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*

最后一句主要是修改权限。
第一次安装时可以找到下载页面，即官网下载。
但过了几天，该页面无法下载:(可能后续应该还会有的)

于是，找到如下安装包（github中）：
https://hub.docker.com/r/nvidia/cuda/ (github镜像地址)
http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64 （对应版本下载地址）
下载的v5.1版本的dep
直接安装成功了。

此时打开tensorflow:
测试：

$ source activate tensorflow
python
>>>import tensorflow as tf
>>>hello=tf.constant('hello,tensorflow')
>>>sess=tf.Session()
>>>print(sess.run(hello))

成功安装结果如下：

八.安装总结
以上安装方法，所用相关软将版本都是最新版本，并亲测有效，第一次安装时由于采用PIp安装方式版本未配置对，使得Gpu加速不能使用，本来准备先将就着这样用，以后再处理的，但是关机重启后电脑出现“登录界面死循环”，所以干脆第二遍完全重装。至于登录死循环问题，似乎是以后可能经常会出现的问题，所以，也希望知道原因的朋友留言讨论。

最新的机器系统配置（2017.11.15）：
http://www.52nlp.cn/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%9c%8d%e5%8a%a1%e5%99%a8%e7%8e%af%e5%a2%83%e9%85%8d%e7%bd%ae-ubuntu17-04-nvidia-gtx-1080-cuda-9-0-cudnn-7-0-tensorflow-1-3

Ubuntu16.04+tensorflow(gpu)+Cuda(8.0)+cudnn(5.1)相关推荐

ubuntu16.04 配置显卡驱动+cuda8.0+cudnn+pytorch
ubuntu1604 配置显卡驱动cuda80cudnnpytorch 在线安装显卡驱动离线安装cuda 安装cudnn 配置环境变量离线安装cond 配置pytorch 测试pytorch 感悟 ...
ubuntu16.04+Geforce GTX1080ti+cuda 8.0+tensorflow 1.4环境配置
工欲善其事,必先利其器前言搭建一个可用的深度学习开发平台是入门深度学习的第一步,所以本公众号也将从这里开始.从刚刚学习深度学习的那时候开始,作者就在搭建平台的苦海里遨游,中间换了很多次电脑,所以不 ...
Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
SSH无密码登陆安装SSH Server Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server: sudo apt-get install openssh-serv ...
手把手教你在 Ubuntu16.04 安装 GPU 驱动 + CUDA9.0 + cuDNN7
点击上方"AI有道",选择"星标"公众号重磅干货,第一时间送达如果你的电脑安装了 Ubuntu16.04,而且电脑自带一块 NVIDIA GeForce 的 ...
linux系统英伟达gpu驱动卸载_怎么卸载显卡驱动-手把手教你在 Ubuntu16.04 安装 GPU 驱动 + CUDA9.0 + cuDNN7...
文章转载自公众号 AI有道 , 作者红色石头点击上方"AI有道",选择"星标"公众号重磅干货,第一时间送达如果你的电脑安装了 Ubuntu16.04,而 ...
Ubuntu16.04下CUDA 9.0 + cuDNN v7.0 + tensorflow 1.6.0（GPU）环境搭建
由于自己攒了个主机,第一次安装GPU版本的tensorflow,mark一下. 说明一下,本篇上接<Ubuntu16.04LTS下搭建强化学习环境gym.tensorflow>这篇文章,只 ...
Ubuntu16.04配置GPU驱动(GTX1060）+ CUDA9.0 + CUDNN7.0.5
1.查看电脑是否有一个可以支持CUDA的GPU a.在终端输入命令行(ctrl+alt+T快捷进入终端): $ lspci | grep -i nvidia 查看电脑GPU信息如下: b.在终端输入命 ...
真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）【转】...
本文转载自:https://blog.csdn.net/u010801439/article/details/80483036 ubuntu 18.04 安装GPU +CUDA+cuDNN : 目前, ...
NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0环境配置
引言 DIGITS简介 DIGITS特性资源信息说明 DIGITS安装软硬件环境硬件环境软件环境操作系统安装 DIGITS安装前准备安装CUDA70deb方式安装cuDNN70 安装C ...

Ubuntu16.04+tensorflow(gpu)+Cuda(8.0)+cudnn(5.1)

Ubuntu16.04+tensorflow(gpu)+Cuda(8.0)+cudnn(5.1)相关推荐

最新文章

热门文章