不安装cudnn可不可以_Ubuntu16.04+gtx1060+cuda8.0+cudnn8.0+tensorflow安装
折騰了兩天系統(tǒng)安裝和配置,簡單的記錄一下。
1.Ubuntu16.04安裝
1)先去官網(wǎng)找到對應的版本,我這里安裝的是Ubuntu16.04 ltx版本,下載地址為:https://www.ubuntu.com/desktop。
2)下載好后,找一個U盤,用ultroiso制作啟動盤,具體辦法百度google網(wǎng)上一大堆。
3)關機,重啟,按F12或者del進入bios設置boot順序,我電腦是f12進入,開機的時候會有閃過,注意看一下或者網(wǎng)上查。把U盤設置為第一順序。
4)然后就選擇install Ubuntu。后面有不同是安裝方式,比如擦除硬盤安裝Ubuntu或者雙系統(tǒng)之類的,我是直接Erase disk and install Ubuntu。
5)之后設置用戶名密碼之類,然后就是等。到最后下載abobe-flash的時候很慢,用了網(wǎng)上的方法,拔掉網(wǎng)線,過了會兒就裝好了。然后就可以看到全新的Ubuntu系統(tǒng)。
2.GTX1060驅(qū)動安裝
先根據(jù)對應的GPU下載對應的驅(qū)動版本,下載地址為http://www.nvidia.com/Download/index.aspx?lang=en-us
在我電腦上Ubuntu下載的速度很慢,所以先在win下用迅雷下好了,然后拷貝到了U盤里,放在home或者downloads目錄下都行。
方法可以參照這里:https://wiki.ubuntu.com.cn/NVIDIA,但是不用完全安裝步驟走。
我的方法是,1)ctrl+alt+f1到命令行環(huán)境,然后輸入用戶名和密碼登錄
2)sudo /etc/init.d/lightdm stop關閉界面環(huán)境
3)cd到放驅(qū)動文件的目錄,運行sudo sh driver-name.sh,然后一路安裝下去
4)sudo /etc/init.d/lightdm restart重新啟動界面環(huán)境
5)終端輸入nvidia-smi看安裝結果
這樣就安裝成功了。
(裝好的第二天某次死機了,我強關電腦重啟后,出現(xiàn)了登錄界面循環(huán)的問題,在小伙伴的建議下又重新裝了一邊顯卡驅(qū)動就好了,這是后話)
(以下三部分參考了博客:http://blog.csdn.net/WoPawn/article/details/52302164)
3.CUDA安裝
CUDA的安裝文件也是win下下好的,通過U盤拷到了linux下。下載地址為:https://developer.nvidia.com/cuda-toolkit
安裝步驟為:
1)cd到文件目錄
2)sh CUDA-NAME.run --override
3)啟動安裝程序,一直按空格到最后,輸入accept接受條款
輸入n不安裝nvidia圖像驅(qū)動,之前已經(jīng)安裝過了 (這里注意)
輸入y安裝cuda 8.0工具
回車確認cuda默認安裝路徑:/usr/local/cuda-8.0
輸入y用sudo權限運行安裝,輸入密碼
輸入y或者n安裝或者不安裝指向/usr/local/cuda的符號鏈接
輸入y安裝CUDA 8.0 Samples,以便后面測試
回車確認CUDA 8.0 Samples默認安裝路徑:/home/用戶名目錄,該安裝路徑測試完可以刪除
4.cudnn安裝
終端輸入
1)cd 到放安裝文件的目錄 (也是提取下好的)
2)解壓在下載目錄下產(chǎn)生一個cuda目錄
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/ 復制頭文件
cd ../lib64 打開lib64目錄
sudo cp lib* /usr/local/cuda/lib64/ 復制庫文件
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*給所有用戶增加這些文件的讀權限
5.建立軟鏈接
1)終端輸入
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
2)設置環(huán)境變量(不然找不到CUDA文件,重要)
終端輸入sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后,創(chuàng)建鏈接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
按a進入插入模式,增加下面一行
/usr/local/cuda/lib64
按esc退出插入模式,按:wq保存退出
最后在終端輸入sudo ldconfig使鏈接生效
6.cuda samples測試
打開CUDA 8.0 Samples默認安裝路徑,終端輸入
cd /home/用戶名/NVIDIA_CUDA-8.0_Samples
sudo make all -j4 (4核)
出現(xiàn)“unsupported GNU version! gcc versions later than 5.3 are not supported!”的錯誤,這是由于GCC版本過高,在終端輸入
(源博客出現(xiàn)了這個問題,在我安裝的時候并沒有出現(xiàn))
cd /usr/local/cuda-8.0/include
sudo cp host_config.h host_config.h.bak
sudo gedit host_config.h
ctrl+f尋找有“5.3”的地方,只有一處,如下
# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)
#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
將兩個5改成6,即
#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)
保存退出,繼續(xù)在終端輸入
cd /home/用戶名/NVIDIA_CUDA-8.0_Samples
sudo make all -j4 (4核)
完成后繼續(xù)向終端輸入
cd bin/x86_64/linux/release
./deviceQuery
完成之后出現(xiàn)如下圖所示,表示成功安裝cuda
(這是源博客的圖)
7.安裝pip
cd wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py sudo python ez_setup.py --insecure wget https://bootstrap.pypa.io/get-pip.py sudo python get-pip.py
9.Tensorflow安裝
tensorflow有四種安裝方式,
1)pip安裝
2)Virtualenv installation
3)Anaconda installation
4)Docker installation
或者從源代碼編譯安裝,我因為要用anaconda,所以選用了anaconda安裝方式
官網(wǎng)的安裝指導看這里:https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#anaconda-installation,網(wǎng)上也可以找到很多中文教程。大致步驟為:先安裝anaconda2或者3,cd到目錄下的envs目錄,用conda指令創(chuàng)建一個tensorflow虛擬環(huán)境,然后source activate tensorflow,用pip下載安裝。
然后可以在tensorflow環(huán)境下用conda指令安裝ipython和jupyter
$ source activate tensorflow
(tensorflow)$ conda install ipython
(tensorflow)$ conda install jupyter
以后可以輸入jupyter notebook,在jupyter里用tensorflow
每次啟動都需要先source activate tensorflow,結束的時候deactivate tensorflow。
這次裝完后后來出過一次問題,輸入import tensorflow后,輸出no module namad tensorflow,沒找到解決辦法,我重裝了一下好了。
要是想在pycharm下用tensorflow的話,參考上一篇博客。
太晚了,急著睡覺,寫的有點粗略。。。。。
總結
以上是生活随笔為你收集整理的不安装cudnn可不可以_Ubuntu16.04+gtx1060+cuda8.0+cudnn8.0+tensorflow安装的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: ocbase 数据库 蚂蚁_iOS开发数
- 下一篇: diffpatch升级_Linux di