為避免讀者踩坑，本文測試成功了Ubuntu18.04環境下配置深度學習環境：

（GPU:NVIDIA TITAN Xp），包括：

CUDA+CUDNN+TensorFlow1.9+Pytorch1.1的安裝和測試。

一、硬件配置

超微塔式服務器

顯卡?NVIDIA TITAN Xp *4
內存?128G
CPU?2620V4* 2
電源?1600w *2
硬盤?256G*2+2T*2

二、安裝
1.安裝Ubuntu
使用U盤進行Ubuntu操作系統的安裝：
參考：

https://jingyan.baidu.com/article/a3761b2b66fe141577f9aa51.html
一開始安裝選擇"Install Ubuntu"回車后過一會兒屏幕如果顯示“輸入不支持”，這和Ubuntu對顯卡的支持有關，在安裝主界面的F6，選擇nomodeset，就可以進入下一步安裝了。
安裝過程略，安裝鏡像下載地址：
ubuntu.com/download/des
下載：ubuntu-18.04.2-desktop-amd64.iso

2.安裝ssh
備注：這一步需要到服務器桌面上的命令窗口輸入，這一步完成后，就可以用ssh工具遠程連接服務器了，本文使用的是XShell。

sudo apt-get install openssh-server

3. 安裝NVIDIA TITAN Xp顯卡驅動
默認安裝的顯卡驅動不是英偉達的驅動，所以先把舊得驅動刪除掉。

sudo apt-get purge nvidia*

添加Graphic Drivers PPA

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update

查看合適的驅動版本：

ubuntu-drivers devices圖：可用的nvidia 驅動列表

圖中可以看出推薦的是最新的430版本的驅動，安裝該驅動：

sudo apt-get install nvidia-driver-430

安裝完畢后重啟機器：

sudo reboot

重啟完畢運行

nvidia-smi

看看生效的顯卡驅動：

圖：生效的顯卡驅動

4.安裝依賴庫

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

5.GCC降低版本
CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己進行配置，通過以下命令才對GCC版本進行修改。

• 版本安裝

# 版本安裝： sudo apt-get install gcc-5 sudo apt-get install g++-5

• 通過命令替換掉之前的版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

6.安裝Anaconda和tensorflow、keras和pytorch

重點：讓conda自動安裝cuda和cudnn！！！
由于Anaconda可以提供完整的科學計算庫，所以直接使用Anaconda來進行相關的安裝。
1）安裝Anaconda
下載地址：https://www.anaconda.com/download/
這里我們下載Python 3.7 64bit 的linux版本。
安裝：

bash Anaconda3-2019.03-Linux-x86_64.sh

2）更改pip和conda為國內的源
由于國內訪問pip和conda比較慢，建議更改為國內的源：
a.更改pip的源為阿里云：

mkdir ~/.pipcat > ~/.pip/pip.conf << EOF [global] trusted-host=mirrors.aliyun.com index-url=https://mirrors.aliyun.com/pypi/simple/ EOF

備注:conda 國內源都封了，不需要更換源了

3）在Anaconda中安裝Python3.7的虛擬環境
創建一個Python的虛擬環境

conda create --name tf python=3.7 #創建tf環境

虛擬環境主要命令：

source activate tf #激活tf環境 source deactivate tf #退出tf環境 conda remove --name tf --all #刪除tf環境（全部刪除）

4）在Anaconda中安裝TensorFlow GPU 1.9

conda install tensorflow-gpu==1.9

將會自動安裝：
cuda，cudnn以及相關的其他組件

5）使用下列代碼測試安裝正確性
命令行輸入：

source activate tf python

Python命令下輸入以下代碼：

import tensorflowas tf hello= tf.constant('Hello, TensorFlow!') sess= tf.Session() print(sess.run(hello))

沒有報錯就是配置好了。

6）安裝Keras
直接在這個虛擬環境中安裝：

pip install keras

7）安裝Pytorch
直接在這個虛擬環境中安裝：

conda install pytorch torchvision -c pytorch

系統會自動安裝cuda和cudnn
測試Pytorch是否安裝成功：
命令行輸入：

source activate tf python

python命令下輸入以下代碼：

import torch print(torch.cuda.is_available())

返回True說明安裝成功了。

總結
為避免讀者踩坑，本文測試成功了Ubuntu18.04環境下配置深度學習環境包括：CUDA+CUDNN+TensorFlow1.9+Pytorch1.1的安裝和測試。

參考
http://blog.csdn.net/weixin_41863685/article/details/80303963

請關注和分享↓↓↓?

本站的知識星球（黃博的機器學習圈子）ID：92416895

目前在機器學習方向的知識星球排名第一

往期精彩回顧

• 良心推薦：機器學習入門資料匯總及學習建議（2018版）
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習資源）

• 吳恩達老師的機器學習和深度學習課程筆記打印版
  

• 機器學習小抄-（像背托福單詞一樣理解機器學習）

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 機器學習的數學基礎

• 機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件

• 吐血推薦收藏的學位論文排版教程（完整版）

• Python環境的安裝（Anaconda+Jupyter notebook+Pycharm）

• Python代碼寫得丑怎么辦？推薦幾個神器拯救你

• 重磅 | 完備的 AI 學習路線，最詳細的資源整理！

總結

以上是生活随笔為你收集整理的Ubuntu18.04深度学习环境配置(简易方式)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。