Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow)

1. 显卡驱动安装

选择对应显卡型号的驱动下载

https://www.nvidia.com/Download/index.aspx?lang=cn

Ctrl+Alt+F1 切换至Console 界面

$ sudo service lightdm stop

$ sudo nvidia-uninstall

$ sudo ./NVIDIA-Linux-x86_64-384.125.run

选择“Continue installation”

选择“Yes”

默认选项一路enter就可以了

测试显卡驱动是否安装成功

$ nvidia-smi

显卡驱动安装成功！

安装完成后

$ sudo service lightdm start

2. cuda9.0安装

cuda9.0下载

https://developer.nvidia.com/cuda-90-download-archive

$ sudo ./cuda_9.0.176_384.81_linux.run

稍等一会儿就安装好了。

测试cuda9.0是否安装成功

$ cd ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery

$ make

$ ./deviceQuery

Result = PASS， cuda安装成功！

配置环境变量和添加共享库路径(2种方式)

1. 为所有用户配置

$ sudo vim /etc/profile

末尾添加以下内容：

#cuda9.0

export PATH=/usr/local/cuda/bin:${PATH} # 必须

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH} # 非必须，可以用后面介绍的方式配置

保存

使配置生效：

$reboot

2. 仅为当前用户配置

$ vim ~/.bashrc

末尾添加以下内容：

#cuda9.0

export PATH=/usr/local/cuda/bin:${PATH} # 必须

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH} # 非必须，可以用后面介绍的方式配置

保存

使配置生效：

$ source ~/.bashrc

或者注销后重新登录系统

如果在上面的步骤没有配置 “LD_LIBRARY_PATH” 变量,还可以可以通过以下两种方式配置共享库路径.

1. 将/usr/local/cuda/lib64 添加到 /etc/ld.so.conf文件

$ sudo vim /etc/ld.so.conf

文件末尾添加以下内容

/usr/local/cuda/lib64

然后,运行 ldconfig 生成 /etc/ld.so.cache

$ sudo ldconfig

2. 也可以将/usr/local/cuda/lib64 添加到 /etc/ld.so.conf.d/cuda.conf文件中

$ sudo vim /etc/ld.so.conf.d/cuda.conf

文件末尾添加以下内容

/usr/local/cuda/lib64

保存

运行 ldconfig 生成 /etc/ld.so.cache

$ sudo ldconfig

测试cuda9.0环境配置是否成功

$ nvcc --version

出现上面的内容就成功了。

如果你想要卸载cuda9.0，请用以下方式卸载。

$ cd /usr/local/cuda/bin

$ sudo ./uninstall_cuda_9.0.pl

3. cudnn7安装

cudnn7 下载

https://developer.nvidia.com/rdp/cudnn-download

$ sudo dpkg -i libcudnn7_7.1.3.16-1+cuda9.0_amd64.deb

$ sudo dpkg -i libcudnn7-dev_7.1.3.16-1+cuda9.0_amd64.deb

$ sudo dpkg -i libcudnn7-doc_7.1.3.16-1+cuda9.0_amd64.deb

测试cudnn7安装是否成功

$ cp -r /usr/src/cudnn_samples_v7 ~/

$ cd ~/cudnn_samples_v7/mnistCUDNN

$ ./mnistCUDNN

Test passed! cudnn7安装成功！

4. 重启系统

重启主要是为了使得/etc/profile中配置的环境变量生效，如果已经重启并且生效，

则可以跳过此步骤。

$ reboot

5. tensorflow-gpu 1.7安装

$ sudo pip3 install tensorflow-gpu==1.7

注意：显卡驱动，cuda，cudnn和tensorflow应该选择能相互支持的版本