Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch
【主題】Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch
【環境】
筆記本:
筆記本:惠普 Pavilion NoteBook
系統環境:Ubuntu16.04+Win10 64位雙系統
顯示卡:NVIDIA GT 940MX
CUDA版本:8.0.44
CUDnn版本:5.1.10
【安裝全過程】
由於未來要在深度學習領域搬磚,入門小白花了三四天終於搭好了環境,第一次寫部落格來記錄這些令人窒息的操作!!保持微笑繼續寫下去……
裝好了Ubuntu16.04雙系統後,參考部落格http://blog.csdn.net/windforever2014/article/details/52440392
sudo apt-get upgdate
sudo apt-get upgrade
在翻看了許多部落格後,受部落格http://www.linuxdiyf.com/linux/31512.html啟發,決定直接從CUDA入手,因為在裝CUDA的時候直接能裝顯示卡驅動。參考部落格http://m.blog.csdn.net/sunpeng19960715/article/details/54835148
一、安裝CUDA
1. 安裝一些依賴項
sudo apt-get update
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential
2. 安裝好之後需要禁用nouveau,建立/etc/modprobe.d/blacklist-nouveau.conf,寫入:
blacklist nouveau option nouveau modeset=0
然後執行
sudo update-initramfs -u
3.配置一些基本的環境變數
gedit ~/.bashrc
加入:
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
4.下載CUDA ,進入https://developer.nvidia.com/cuda-downloads下載合適的cuda版本,我下載的是cuda_8.0.44_linux.run。
5.安裝CUDA
下載完成後重啟電腦,在出現登入介面時,登入tty1,按Ctrl + Alt + F1,在文字模式中登入。
關閉桌面服務
sudo service lightdm stop
注意:這步對於安裝Nvidia驅動至關重要。
進入下載cuda檔案的目錄執行:
sudo sh cuda-8.0.44_linux.run --no-opengl-libs
如果不加–no-opengl-libs應該是會出現迴圈登入問題
安裝過程中完全按照它的指引就可以了,先輸入accept,然後一連串的yes就可以。
然後重啟,這個時候沒有迴圈登入問題,正常進入桌面。
6.修改環境配置
gedit ~/.bashrc
加上:
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
7.測試CUDA的samples:
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
二、配置cuDNN
1.首先在官網https://developer.nvidia.com/rdp/cudnn-download下載cuDNN,我安裝的版本是cudnn-8.0-linux-x64-v5.1.tgz。
2.下載cuDNN5.1之後進行解壓,cd進入cuDNN5.1解壓之後的cuda/include目錄,在命令列進行如下操作:
sudo cp cudnn.h /usr/local/cuda/include/ #複製標頭檔案
再將cd進入lib64目錄下的動態檔案進行復制和連結:
sudo cp lib* /usr/local/cuda/lib64/ #複製動態連結庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態檔案
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成軟銜接
sudo ln -s libcudnn.so.5 libcudnn.so #生成軟連結
注意:5.1.10的位置應改為自己對應的版本號。
三、安裝Caffe
可以先安裝python的pip工具:
sudo apt-get install python-pip
1.在GitHub上下載Caffe-master並解壓儲存到/home下。
2.因為make指令只能make Makefile.config檔案,而Makefile.config.example是caffe給出的makefile例子,因此,首先將Makefile.config.example的內容複製到Makefile.config:
cd ‘/home/blueclean/caffe-master’
sudo cp Makefile.config.example Makefile.config
3.開啟並修改配置檔案:
sudo gedit Makefile.config #開啟Makefile.config檔案
a. 將#USE_CUDNN := 1修改成:USE_CUDNN := 1
b. 重要的一項 :
將# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改為:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
這是因為ubuntu16.04的檔案包含位置發生了變化,尤其是需要用到的hdf5的位置,所以需要更改這一路徑.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include後面打上一個空格 然後新增/usr/include/hdf5/serial 如果沒有這一句可能會報一個找不到hdf5.h的錯誤
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include先不做更改。
可能出現的問題:
①make過程中出現比如 string.h ‘memcy’ was not declared in this scope的錯誤是由於gcc編譯器版本太新,解決方法是開啟makefile搜尋並替換
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
為
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
儲存退出
②在make過程中還會報一個ld找不到libhdf5 和libhdf5_hl的連結問題,這個原因可能也是因為hdf5的問題,首先看/usr/lib/x86_64-linux-gnu 目錄下有沒有libhdf5.so和libhdf5_hl.so,如果有的話,檢視屬性是否有正確的連結(正常情況下應該是沒有這兩個檔案),然後右鍵在終端中開啟
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
10.1.0和10.0.2可能不同電腦安裝版本不同,注意看當前目錄下存在的檔案,然後
sudo ldconfig #生效
3.編譯
在caffe目錄下編譯:
make all -j4
make pycaffe
如果編譯沒報錯正常的話,基本就沒問題了。測試python開啟
cd /home/user/caffe/python
python
import caffe
如果不報錯就說明編譯成功,若報錯“No module called ……”,直接sudo pip install **這個包就可以了。
四.安裝Tensorflow
cd到caffe目錄下,官網上的方法是:
sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu_1.2.0-cp27-none-linux_x86_64.wh
但是我的總是報錯error404,因此重新下載了一個Tensorflow合適版本的whl檔案,我下載的是TensorFlow1.2.1,直接
sudo pip install tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
然後在python下:
import tensorflow
沒有報錯就安裝成功了。
五、安裝pytorch
sudo pip install http://download.pytorch.org/whl/cu80/torch-0.2.0.post3-cp27-cp27mu-manylinux1-x86_64.whl
sudo pip install torchvision
OK啦!那我很棒棒噠……
PS:
我的Ubuntu16.04裝好了但是一直顯示不出wifi也不能連線,只能連有線,在Ubuntu下無法開啟Windows下的磁碟內容,希望各位大神能給出一個親測有效的方法!!!!
相關推薦
Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch
【主題】Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch 【環境】 筆記本: 筆記本:惠普 Pavilion NoteBook 系統環境:Ubuntu16.04+Win10 64位雙系統 顯示卡:NVIDIA GT
Caffe學習1——在ubuntu16.04環境下安裝Caffe(CPU)
目前在網上,已經存在很多的Caffe安裝教程。本文主要介紹筆者在安裝Caffe——CPU版本所遇到的問題(主要參考了網上的 部落格) ,以及相關解決方法。以下給出基於ubuntu 16.04系統的Caffe的CPU安裝步驟:1. 安裝gitsudo apt-get inst
Ubuntu 16環境下安裝CUDA 8.0及Caffe
1.安裝CUDA 8.0 安裝CUDA之前,先檢查機器是否安裝了NVIDIA驅動。使用命令 nvidia-smi檢視GPU列表,同時顯示了驅動的版本。也可以通過命令nvidia-settings檢視GPU的詳細資訊。如果沒有安裝驅動,則執行下面的命令sudo add-apt
ubuntu16.04下安裝CUDA,cuDNN及tensorflow-gpu版本過程
這篇文章主要依據兩篇文章: 深度學習主機環境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow 不過在實際執行的過程中,
ubuntu16.04下安裝CUDA,cuDNN及tensorflow-gpu
原博文:這篇文章主要依據兩篇文章: 深度學習主機環境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 深度學習主機環境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow 不過在實際執行的過程中,有一定的不同之處
VMware + ubuntu16.04 Linux 下安裝、配置Gogs
自己 不知道 advance bsp 空間 home apt-get gogs systemctl 本文在Win7+VMware的ubuntu 16.04中測試。運行如下命令: sudo apt-get install git sudo adduser git # 為Go
如何在Linux—ubuntu16.04版本下安裝JAVA環境(jdk&eclipse)
說在前面:隨著Linux作業系統的不斷完善,在很多情況下,程式設計師的選擇也不僅僅侷限於windows系列作業系統,Linux的操作更加快捷便利,很平常的一個apache Web伺服器的部署可能windows要花很長時間,而ubuntu提供的apt-get
Ubuntu16.04環境下命令列安裝驅動
去官網查適合自己的GPU驅動: 依次執行如下語句安裝: sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get up
Ubuntu16.04環境下PyTorch簡易安裝教程
安裝NVIDIA GPU顯示卡驅動 如果需要安裝cuda版本的PyTorch,電腦也有獨立顯示卡的時候,一般需要更新一下Ubuntu獨立顯示卡驅動。否則即使安裝了cuda版本的PyTorch也沒辦法使用GPU。 因為我的膝上型電腦顯示卡是NVIDIA的,所以
Ubuntu16.04環境下git安裝與使用
一、git的安裝 參見廖雪峰的git教程,在Linux使用sudo apt-get install git即可。二、建立本地版本庫 在需要建立版本庫進行管理的根資料夾下,輸入git init命令,通過git init命令將這個資料夾變成git可以管理的倉庫:H:\
Ubuntu16.04環境下MySQL5.7安裝&配置以及遠端訪問
mysql> set character_set_client=utf8; mysql> set character_set_connection=utf8; mysql> set character_set_database=utf8; mysql> set charact
ubuntu16.04.1下安裝KDE環境
首先,開啟終端,輸入sudo apt-get install kubuntu-desktop終端提示要下載280MB左右的檔案,遇到提示時全部選“Y”,接下來是長時間的等待(取決於你的頻寬情況,畢竟要下載280MB左右的檔案)。接下來自動配置。。。安裝好後,登出一下,在登陸窗的“會話”中選擇KDE,登陸後就
環境配置6-Win10下安裝CUDA和cuDNN,配置caffe
到官網下載相應的安裝包,cuDNN為lib庫,需要先註冊NVIDIA賬號(或者連結複製到迅雷下載)。https://developer.nvidia.com/rdp/cudnn-archivehttps://developer.nvidia.com/cuda-80-ga2-d
Ubuntu16.04環境下通過Cmake管理Opencv專案
Ubuntu16.04環境下通過Cmake管理Opencv專案 1、新建qt cmake工程 New Project -> Non-Qt Project -> Plain C++ Application 2、CMakeLists.txt檔案內
Ubuntu16.04環境下搭建Hadoop3.0.3偽分散式叢集
最近剛好趕上雙11騰訊促銷,於是搶購了一個8核16G記憶體的雲伺服器,加上業務上需要用到hadoop,hive,於是想搭建搭建一個hadoop分散式叢集,但是限於自己手頭上伺服器數量不多,因此打算先搭建一個hadoop偽分散式叢集。 首先介紹一下我的安裝
ubuntu利用conda建立虛擬環境,安裝 cuda,cudnn,pytorch,遠端訪問 jupyter notebook
cd到安裝包所在目錄,安裝: bash Anaconda3-5.1.0-Linux-x86_64.sh 建立虛擬環境: conda create -n your_env_name python=3.6 啟用虛擬環境: source activate your_env_
騰訊雲伺服器ubuntu16.04系統下安裝Python版本管理工具pyenv
一、 系統環境 騰訊雲提供的系統是ubuntu 16.04 LTS,系統預設的Python版本是2.7.12,我想要安裝3.6和其他的版本。 比較方便的是騰訊雲已經預設安裝好了git和curl命令,可以很方便的下載安裝軟體 二、 pyenv的安裝 第一步 下載並安裝pyenv $ g
在ubuntu16.04版本下安裝go11與JetBrains golang過程記錄
1、下載Go語言SDK (1)、下載完成之後,將安裝包拖入ubuntu中。注意,必須先安置VMware tools。 (2)、解壓安裝包:sudo tar -xvf go1.11.linux-amd64.tar.gz。結果會在當前目錄下出現一個go包,然
Ubuntu16.04 ros下安裝kinect驅動
環境: 獨顯gtx1050ti 已安裝Nvidia-390顯示卡驅動 OS: Ubuntu 16.04.5 LTS x64 ROS Distro: Kinetic Machine: HP-OMEN 暗影精靈4 之前由於按照教程安裝了SensorKinect驅動出
[joysticke]使用Ubuntu16.04環境下讀取USB手柄/方向盤資訊
1.獲取裝置的埠 在插入裝置時,在/dev/input目錄下 ,作業系統會為每一個裝置分配event號,先插上的為event0,後插上的為event1。 查詢裝置的裝置號用如下指令: cat /proc/bus/input/devices 獲得如下輸出 1 I: Bus=0