ubuntu14.04安装GPU驱动、CUDA8.0、cudnn5、anaconda、tensorflow(GPU)
来源:互联网 发布:陕西网络信息安全员 编辑:程序博客网 时间:2024/05/16 09:53
ubuntu14.04安装GPU驱动、CUDA8.0/
开博第一篇,最近在折腾ubutnu,参考了很多有关的装机博客,但跟自己的情况不符合,所以决定自己开一个,以免后来的同学踩坑
- 机器配置简介
- GPU驱动安装
- CUDA8.0安装
- CudannV5安装
- anaconda安装
- tensorflow(GPU版本)安装
- theano0.7安装
机器配置简介
-系统:ubuntu14.04
-显卡:集显+独显(GTX1080)
-位数:64位
一、GPU驱动安装
声明:nvidia驱动安装主要参考链接:http://www.mamicode.com/info-detail-1434964.html
1、下载nvidia显卡驱动
我是在nvidia官网下载的驱动,我用的是NVIDIA-Linux-x86_64-375.39.run
2、屏蔽开源驱动 nouveau
在终端输入下面的命令:
sudo gedit /etc/modprobe.d/blacklist.conf
接着在打开的blacklist.conf文件中添加如下代码:
blacklist vga16fbblacklist nouveau blacklist rivafb blacklist nvidiafb blacklist rivatv (这里有一行空格)
3、删除旧NVIDIA驱动
若装之前有安装过nvidia的驱动,那么久先执行第一条语句,在执行第二条语句,若之前没有安装过nvidia驱动,那么就直接执行第二条语句。注意*为之前对应安装过的版本,自己根据自己的情况来
sudo apt-get --purge remove nvidia-*(需要清除干净)sudo apt-get --purge remove xserver-xorg-video-nouveau
4、重启电脑
5、按Ctrl + Alt +F1(F1~F6均可)到x-server, Ctrl+Alt+F7是返回
6、关闭图形环境,否则驱动无法正常安装
7、输入用户名密码登录,然后键入命令后执行(数字不能用小键盘输入)
sudo service lightdm stop
成功关闭服务后将出现:lightdm stop/waiting
8、进入驱动所在的文件夹,这里就是/home/*****,
执行下面语句,这里的*****是你自己存放nvidia驱动run文件的地方
sudo sh NVIDIA*.run
后面就一路Accept就可以~报错The distribution-provided pre-install script failed!不必理会,继续安装。最重要的一步,安装程序问你是否使用nv的xconfig文件,这里一点要选yes,否则在启动x-window时不会使用nv驱动。
9、重启 X-window 服务
sudo service lightdm start
10、查看显卡情况
有两种方式可以查看:
(1)glxinfo | grep rendering
,若出现direct rendering: Yes,则显示安装成功(笔者没试过)
(2)nvidia-smi
,出现显卡的相关信息,则也表示成功
11、安装成功
二、CUDA8.0安装
1、准备工作
建议按照cuda官方文档一步一步查看,你的机器是否满足CUDA的安装要求,不要觉得麻烦
(1)验证主机是否有nvidia的显卡
lspci | grep -i nvidia
(2)查看你的linux发行版本(主要是看是64位还是32位的)
uname -m && cat /etc/*release
(3)看一下gcc的版本
gcc --version
(4)查看自己的kernel版本信息
uname –r
输入下面的语句可以安装与内核版本对应的kernel header和package development
sudo apt-get install linux-headers-$(uname -r)
检查后,如果你的机子都满足条件的话,那么你就可以开始安装CUDA了,如果没有,你可以去官网下载安装指南,里面有对各种问题的解决办法
2、cuda8.0安装
主要参考:
http://blog.csdn.net/masa_fish/article/details/51882183
http://www.th7.cn/system/lin/201701/199326.shtml
下载:去CUDA官网下载对应的版本。
(1)安装前的准备工作
查看是否禁用nouveau,输入下面的命令,如果没有输出,就表示nouveau已经禁用了,如果有输出,则需要禁用
lsmod | grep nouveau
禁用方法:
在在/etc/modprobe.d中创建文件blacklist-nouveau.conf,在文件中输入一下内容
blacklist nouveauoptions nouveau modeset=0
然后,在终端运行
sudo update-initramfs –u
(2)重启电脑,准备安装
进入cuda_8.0.61_375.26_linux.run所在目录,执行下面的语句开始安装cuda
sudo sh cuda_8.0.61_375.26_linux.run
可能遇到的选项:
是否接受许可条款: accept
是否安装NVIDIA driver:no (cuda提供的nvidia驱动版本比较低,并且我们已经安装了NVIDIA显卡驱动,所以这里就选择no)
是否安装cuda toolkit : yes
是否安装cuda samples:yes
中间会有提示是否确认选择默认路径当作安装路径,按Enter键即可。
安装错误提示
我在安装的时候出现了错误:(大致意思就是/tmp空间不够)
Not enough space on parition mounted at /tmp.Need 5091561472 bytes.Disk space check has failed. Installation cannot continue.
解决办法
#在根目录下的opt文件夹中新建tmp文件夹,用作安装文件的临时文件夹 sudo mkdir /opt/tmp #再执行cuda的安装文件 sudo sh cuda_8.0.44_linux.run --tmpdir=/opt/tmp/
一开始我直接执行第二条命令,但是提示我新建不起/tmp文件,所以弄,先新建文件夹,再执行
安装完成后出现界面为:(没来得及截图,这里用linux公社的图片)
(3)配置环境变量
若是远程:执行命令:sudo vim /etc/profile
若是非远程:执行命令:sudo gedit /etc/profile
接着在打开的文件里添加下面的命令:
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATHexport PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH
(4)安装后的检查工作
-检查 NVIDIA Driver是否安装成功,会输出nvidia的版本号
cat /proc/driver/nvidia/version
-查看nvcc编译器的版本
nvcc -V i
-编译cuda的示例代码
切换到例子存放的路径,默认路径是 ~/NVIDIA_CUDA-7.5_Samples
(即 /home/xxx/ NVIDIA_CUDA-7.5_Samples, xxx是你自己的用户名)
cd ~/NVIDIA_CUDA-6.5_Samples
接着输入在终端输入make
命令进行编译。我在第一次make编译的时候吃饱了个错,说找不到g++文件夹,我安装g++后Sudo apt-get install g++
,再次编译就没有出错了,编译时间有点长,若出现Finished building CUDA samples,就说明编译成功。
接下来进入1_Utilities目录,执行:$ ./deviceQuery/deviceQuery ,结果如下:
至此,cuda的工作就完成了!
三、CudannV5安装
参考:http://blog.csdn.net/u012177034/article/details/52102676
去cudann官网下载和cuda8.0相对应的cudann,我下载的是cudnn-8.0-linux-x64-v5.1.tgz
1、解压缩:tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
2、拷贝到cuda相应的文件夹下即可
sudo cp lib64/lib* /usr/local/cuda-8.0/lib64/sudo cp include/cudnn.h /usr/local/cuda-8.0/include/
3、进入/usr/local/cuda/lib64/,修改权限,复制完后需要将libcudnn*的权限都改为777,否则后面将不能执行~~~,编译时出现找不到Libcudnn.so或者libcudart.so.8.0文件的情况
cd /usr/local/cuda/lib64/sudo chmod 777 libcudnn*
至此,cudnn的工作就结束了!
四、anaconda安装
由于本机的python版本是2.7,所以下载乐2.7对应的anaconda版本。
1、进入到anaconda所在的文件夹,在终端运行:
bash Anaconda2-4.1.1-Linux-x86_64.sh
2、在安装的过程中,会问你安装路径,直接回车默认就可以了。有个地方问你是否将anaconda安装路径加入到环境变量(.bashrc)中,这个一定要输入yes
3、安装成功后,会有当前用户根目录下生成一个anaconda2的文件夹,里面就是安装好的内容。在终端可以输入conda info
来查询安装信息
4、输入conda list
可以查询你现在安装了哪些库,常用的python, numpy, scipy名列其中。
5、 如果你还有什么包没有安装上,可以运行,conda install ***
来进行安装,如果某个包版本不是最新的,运行 conda update ***
就可以了
五、tensorflow1.1安装
参考:tensorflow官方网站安装指南
1、创建一个名为tensorflow的conda环境
conda create -n tensorflow
2、激活conda环境
source activate tensorflow
3、下载tensorflow并安装
TF_PYTHON_URL是你要下载安装的tensorflow的版本的URL
pip install --ignore-installed --upgrade TF_PYTHON_URL
举个例子,我执行的命令是:
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp27-none-linux_x86_64.whl
4、等到安装好之后就可以验证了
官方栗子:
先进入python环境,在终端输入:python
接着跑一个hello,Tensorlow的栗子
>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print(sess.run(hello))
结果如下:
- ubuntu14.04安装GPU驱动、CUDA8.0、cudnn5、anaconda、tensorflow(GPU)
- Ubuntu14.04安装cuda8.0+cudnn5.1+Tensorflow1.0.0(GPU)教程
- ubuntu16.04 + CUDA8.0+cudnn5.0+tensorflow-GPU+python2.7
- Ubuntu16.04+GTX1070显卡驱动+cuda8.0+cudnn5.1+tensorflow-gpu环境配置
- Tensorflow的GPU配置:ubuntu16.04+375.26驱动+cuda8.0+cudnn5
- ubuntu16.04安装+cuda8.0+cudnn5.1+MXNET gpu版本安装+tensorflow gpu版本安装+chainerGPU版本安装
- Ubuntu16.04 安装 CUDA8.0 + cudnn5.1 + TensorFlow(GPU) 详细过程
- Ubuntu16.04+CUDA8.0+cudnn5.1+TensorFlow-GPU详细安装步骤
- tensorflow学习(一)tensorflow-GPU安装(Driver375.26+CUDA8.0.61+CUDNN5.1)
- ubuntu14.04安装tensorflow+cuda8.0+cudnn5.1官方教程
- ubantu16.04安装tensorflow(GPU)+cuda8.0+cudnn6.0
- Ubuntu16.04.3LTS+CUDA8.0+cudnn5.1+tensorflow-gpu(1.2)安装配置信息汇总
- ubuntu14.04安装NVIDIA显卡驱动+CUDA8.0+CuDNN5.1
- ubuntu14.04下CUDA8.0+cuDNN+tensorflow(with gpu support)安装教程
- Tensorflow-GPU版本安装(Ubuntu14.04LTS+Cuda8+Quadro K1200)
- ubuntu14.04+cuda8.0+cudnn5.1+caffe+tensorflow 安装教程(一)
- ubuntu14.04+cuda8.0+cudnn5.1+caffe+tensorflow 安装教程(二)
- ubuntu14.04+cuda8.0+cudnn5.1+caffe+tensorflow 安装教程(三)
- [iOS 通过class-dump] 逆向出方法名/属性列表
- Kafka AdminClient 管理Kafka Offset代码实现
- Android Studio中多项目共享Library
- B-1009
- android SharedPreferences 存储异常
- ubuntu14.04安装GPU驱动、CUDA8.0、cudnn5、anaconda、tensorflow(GPU)
- windows10 python3.5 opencv3
- c++ getdtablesize()
- Java 8 中的 Streams API 详解
- 在主方法中创建String型变量,并将字符变量进行分割,将分割后的结果输出
- 关于Spring中为静态static的@Resource自动注入失败的问题
- Jackson常用方法以及jacksonUtil工具类
- Android自定义视图
- 图片提交按钮样式修改 input type=file