cuda必须装在c盘吗_深度学习基础环境搭建-Nvidia驱动+cuda+cudnn
Ubantu16.04+GPU(1070ti)驱动+cuda10.2 +CUDNN7.6.4
一、 安装nvidia显卡驱动
(亲测搭建深度学习环境,无论是win还是ubantu上的cuda里都有相对应的驱动,网上大多数教程均说单独装好驱动后在cuda,如果有那个折腾的精力可以试一试直接装cuda的时候装驱动(理论是可行的))
1、nvidia官网下载驱动
在官网里手动搜索驱动程序里,选择自己对于的系统,注意是“Linux 64-bit”。其他选项默认即可。然后,点击开始搜索,将会自动搜索你的电脑相匹配的 GPU 显卡驱动,搜索结果如下图所示:
如上图所示,结果会显示可用的 GPU 显卡驱动程序,确定你需要的版本,直接点击就可以下载了。例如我选择的版本是440.31(图是后补的哈,通常下最新的驱动即可,兼容性较好),下载后的文件是 NVIDIA-Linux-x86_64-440.31.run。
2、打开终端 Terminal,首先卸载系统之前安装的 NVIDIA 显卡驱动,尤其以前安装失败的情况下。(没有安装的可以忽略这一步)
sudo apt-get --purge remove nvidia-*
3、禁用ubantu自带驱动nouveau及其他显示驱动,非常重要打开 blacklist:
sudo gedit /etc/modprobe.d/blacklist.conf
在最后添加几行,千万注意把这些都加上,网上大多数只有一条语句 blacklist nouveau,本人亲测这样不行,估计其余显卡驱动的存在同cuda相矛盾,故安装一直失败。一定加上下述几条。
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
添加后如图:
这时候在终端输入:
lsmod | grep nouveau
如果没有输出如下图,可以直接进行下一步,安装驱动。
如果仍有输出,参考网上资源说则在终端输入:(未遇见过仅有参考)
sudo gedit /etc/modprobe.d/blacklist.conf
直接写入:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
保存关闭,再在终端输入下面的命令验证是否没有输出了。
sudo update-initramfs -ulsmod | grep nouveau
# 如果这样还有输出,reboot一次(重启)
4 、在正式安装驱动之前,请记住刚刚驱动的 .run 文件的下载路径和完整的文件名(通常在Downloads下)。按 Ctrl+Alt+F1 进入命令行界面,输入下面的命令:
sudo /etc/init.d/lightdm stop
sudo init 3
进入 .run 文件的下载路径,使用 chmod 命令增加 .run 文件的运行权限。
chmod a+x NVIDIA-Linux-x86_64-440.31.run
sudo ./NVIDIA-Linux-x86_64-418.43.run -no-x-check -no-nouveau-check -no-opengl-files
#这里是关闭x server,nouveau和不下载opengl文件
然后就会开始安装程序,安装完成之后,输入下面的命令:
nvidia-smi
如果出现与下面类似的结果图,恭喜你驱动安装成功(如果没有,不要灰心,多装几次重头再来,好好检查。win上安装比较容易,一路next即可,注意显卡硬件对应打版本就是了)。
最后,回到图像界面。(之间是关闭了桌面显示,命令行形式的,所以上图是之后截的)
$ sudo /etc/init.d/lightdm start
这样,驱动就算正式安装成功了。
二、安装 CUDA10.1
1、首先,登录 CUDA 的下载网站,由于现在 CUDA 的版本已经更新到 10 .2了,我当时下的最新打是10.1。选择自己打系统型号,如下图,因此,点击 Legacy Releases,进入之前的版本列表。
然后,在 CUDA 版本列表中,选择 10.1 版本。
选择对应的系统等信息,就可以点击 Download 进行下载了。注意选择下载 runfile 文件。
2、打开终端,进入 CUDA10.1 的下载目录,输入:
chmod a+x cuda_10.1.243_418.87.00_linux.run
sudo ./cuda_10.1.243_418.87.00_linux.run
然后就会进入安装。在安装过程中会询问你一些配置信息,一般直接选择默认选项就行。有一个必须注意的地方是会让你选择是否安装 Graphics Driver for Linux-x86_64:XXXX 版本,这个地方必须选择 no!否则会覆盖之前的驱动。(就是刚刚说的在安装cuda会带有驱动,禁用哟!!!)
3、安装完毕之后,声明环境变量。打开 .bashrc 文件,在终端输入:
sudo gedit ~/.bashrc
在文件最后加上:
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存退出,并更新一下
source ~/.bashrc
4、验证 GPU 驱动版本:440.31
cat /proc/driver/nvidia/version
验证 CUDA 版本:10.1
nvcc -V
测试CUDA的Samples例子只测了一个,代码和结果如下
cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
5、可能遇到的问题是没有安装 gcc 或者 gcc 版本过高需要手动进行降级,都比较好解决(没有遇到过,如果有遇到过可以贴上)
三、安装 cuDNN
1、首先,进入 cuDNN 的下载网站。值得一提的是,下载之前是需要先注册账号。在下图所示的版本列表中,选择适配 CUDA10.1 的,此时有多个了,当时选打最的,要选对应的是 Linux 系统。如图
2、下载完毕之后,解压:
$ tar -zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
解压命令输出如下:
cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.6.4
cuda/lib64/libcudnn_static.a
拷贝相关文件至指定目录:(和win中搭建一样拷贝到cuda对应打文件中)
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
3、切换到本地 cuda 路径,创建软连接,终端输入:
cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.7.6.4
sudo ln -sf libcudnn.so.7.6.4 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig
注意,这里的文件名即版本号就参照之前解压出来的文件名对照着写。
4、到本地 cuda 路径下检测一下:
cd /usr/local/cuda/lib64
ll
出现 cuDNN 对应的版本号就证明安装成功!
官网还有对应的例子代码,下来后在编译(个人觉得只需要cudnn的版本和cuda的对应基本没有必要了)
恭喜最后 GPU 显卡驱动 + CUDA10.1 + cuDNN7.6.4 环境配置完成。
可以开始进入深度学习的大坑了!
四、总结
首次搭的童鞋,尤其是以前没有接触过,会怀疑人生的,我以及记不清打了多少次,依稀记得第一次搭建的时候错误百出,一直说记录哈,今天终于走出第一步了,方便自己以后回顾,也方便他人!千万注意显卡驱动+cuda+cudnn版本对应!!!
五、参看资料:
https://blog.csdn.net/weixin_41864878/article/details/79621210
https://zhuanlan.zhihu.com/p/77874628
cuda必须装在c盘吗_深度学习基础环境搭建-Nvidia驱动+cuda+cudnn相关推荐
- cuda必须装在c盘吗_软件安装到C盘会影响计算机运行速度吗?一个问题引发的思考...
本文共1542字,预计阅读时间4-5分钟,若忙请暂时收藏! 从1939年第一台电子计算机样机运转那一刻,计算机作为20世纪最伟大的发明之一,在短短几十年内,极大程度影响了人类的社会活动和生产活动,伴随 ...
- Ubuntu 搭建 NVIDIA驱动 CUDA 和 pytorch GPU 环境
首先,查看自己的驱动型号 输入lspci,如上图所示,我的是Quadro K4200 搜索适合的驱动,并下载 记住存放的路径 接下来安装驱动: 参考:https://blog.csdn.net/kel ...
- windows10:GTX GeForce 1070+更新nvidia显卡驱动+CUDA+CUDNN+tensorflow_gpu深度学习GPU环境搭建(史上排雷最多版本)
windows10 GTX GeForce 1070+CUDA9.0+CUDNN7.6.4+TensorFlow_GPU1.5 5天星期前开始搭建tensorflow GPU环境,途中屡屡踩雷, 现在 ...
- manjaro深度学习tensorflow环境搭建 cuda cudnn nvidia显卡设置
NVIDIA显卡驱动安装 注意点:系统安装时 一定要选择no free Manjaro系统安装显卡比较简单,它有一个命令 sudo mhwd -a [pci or usb connection] [f ...
- 华南理工深度学习与神经网络期末考试_深度学习基础:单层神经网络之线性回归...
3.1 线性回归 线性回归输出是一个连续值,因此适用于回归问题.回归问题在实际中很常见,如预测房屋价格.气温.销售额等连续值的问题.与回归问题不同,分类问题中模型的最终输出是一个离散值.我们所说的图像 ...
- 深度学习每层的通道数如何计算_深度学习基础系列(一)| 一文看懂用kersa构建模型的各层含义(掌握输出尺寸和可训练参数数量的计算方法)...
我们在学习成熟网络模型时,如VGG.Inception.Resnet等,往往面临的第一个问题便是这些模型的各层参数是如何设置的呢?另外,我们如果要设计自己的网路模型时,又该如何设置各层参数呢?如果模型 ...
- 前馈神经网络_深度学习基础理解:以前馈神经网络为例
区别于传统统计机器学习的各类算法,我们从本篇开始探索深度学习模型.深度学习在应用上的重要性现如今已毋庸置疑,从2012年燃爆ImageNet,到2016年的AlphaGo战胜李世石,再到2018年的B ...
- 第三章_深度学习基础
文章目录 第三章 深度学习基础 3.1 基本概念 3.1.1 神经网络组成? 3.1.2神经网络有哪些常用模型结构? 3.1.3如何选择深度学习开发平台? 3.1.4为什么使用深层表示? 3.1.5为 ...
- 深度学习_深度学习基础知识_Internal Covariate Shift
深度神经网络模型的训练为什么会很困难?其中一个重要的原因是深度神经网络涉及到很多层的叠加,而每一层的参数更新导致上层的输入数据分布发生变化,通过层层叠加,高层的输入分布变化会非常剧烈,这就使得高层需要 ...
最新文章
- linux环境双网卡主机路由配置
- 【c++】映射表std::map
- CSDN好多原创翻译的文章
- Oracle应用容器云的自由
- Magento: 左栏筛选条件 Select Box / Button / Dropdown List on Layered Navigation
- 正则表达式 之 python3
- Redis进阶不得不了解的内存优化细节
- 【Matlab系列】Matlab语言基础知识汇总
- iOS 去除字符串中的H5标签。
- java对七牛云文件的增删改查语句_七牛云导播
- WPS文字在线转换成Word
- 粉丝看了教程成功发文章了,恭喜一下,并说下近期计划
- opengl 画椭圆_椭圆围城与圆型观光步道
- PPT幻灯片放映不显示备注,只让备注显示在自己屏幕上-投影机 设置
- 帝国cms php超时,帝国CMS二次开发基本问题汇总
- matlab中在图像上划线 画圈的方法
- 中文维基百科的语料库下载和繁体转换为简体的操作
- 统计学—基于R 第一章 数据处理
- funannotate安装
- 数字芯片设计中的面积优化方法
热门文章
- 数据恢复行业很依靠搜索引擎!
- 西南石油大学计算机保研试题,西南石油大学计算机科学学院(专业学位)软件工程保研细则...
- 数据管理知识体系指南(第二版)-第三章——数据治理-学习笔记
- python编写坦克大战过程
- 基于RNN(循环神经网络)的北京雾霾天气指数的预测(keras实现RNN,LSTM神经网络算法)
- AI学习之路(3): 牛刀小试之线性回归
- 用爱的语言赋能彼此——了解非暴力沟通
- dnf韩服服务器维护中.,DNF冬季发布会有猛料?韩服停机更新9小时,开服后地图全变了...
- 盒马鲜生app商品详情查询 python 淘宝h5 sign
- idea设置打开tag显示在多行