http://www.web008.net

Ubuntu深度学习意况搭建,非服务器

构造深度学习条件,利用哈工大源安装三个miniconda情形是这个好的挑肥拣瘦。尤其是今日开掘conda install -c menpo opencv3 一句施命发号就能够高枕而卧的设置上opencv,从前本人装的时候也碰着了不菲错误。conda 安装 Tensorflow 和 Pytorch两种框架也是相当方便的,对于十分短于源码编写翻译的自己是顶级选项没有错了。

3.安装cudnn

下载cudnn
https://developer.nvidia.com/cudnn

设置cuDNN比较轻易,解压后把相应的文件拷贝到对应的CUDA目录下就能够:

tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz

cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

恐怕遇见的主题材料:

图片 1

现身此主题材料代表cudnn版本与显卡不包容,需求退换cudnn版本,笔者的Computer装了cudnn-7.0就足以用了

1.删减原版cudnn
找到地方代码里复制的文本,全部刨除
2.安装任何版本的cudnn
宪章上边的代码,改下解压的文件

安装tensorflow-gpu版

前言

本课程的内容是在偏下两篇教程的幼功上拓宽抵补和转移,该课程针对的是想在团结Computer(GTX类别显卡卡塔尔ubuntu系统上设置gpu版tensorflow的校友,服务器版本(TESLA卡塔尔(英语:State of Qatar)的cuda的设置供给在该版的底子上拓宽部分改换。该学科为初藳,安装进度中相遇题指标同学记得找作者交换,作者会依据蒙受的主题材料对该学科进行改造。
深度学习主机情形布署: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0上
深度学习主机景况布置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0下

设置驱动

2.安装cuda

下载CUDA
https://developer.nvidia.com/cuda-downloads
这里选拔了Ubuntu16.04系统runfile安装方案

图片 2

不想下载的同桌能够找笔者拷只怕是网盘下载

设置前需在微型机的opt文件夹中新建文件夹temp

sudo nautilus

图片 3

还需更动gcc版本(gcc高于4.9就能够设置战败卡塔尔国:

sudo apt-get install gcc-4.9 g++-4.9
cd /usr/bin
rm gcc g++
ln -s gcc-4.9 gcc
ln -s g++-4.9 g++

下载的“cuda_8.0.27_linux.run”有1.4G,遵照Nivdia官方给出的法子安装CUDA8:

sudo sh cuda_8.0.27_linux.run --tmpdir=/opt/temp/

执行后会有一文山会海提醒让您确认,非常可怜可怜特别首要的位置是是不是安装361以此低版本的驱动:

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?

答案必需是n,不然早先设置的GTX1080驱动就白费了,何况题目多多。

图片 4

图片 5

设置成功后会现身以下结果

图片 6

设置达成后,再声称一下情况变量,并将其写入到 ~/.bashrc 的尾部:

export PATH=/usr/local/cuda8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后再来测量检验一下CUDA,运维:

nvidia-smi

结果如下所示:

图片 7

安装cuDNN比较容易,解压后把相应的文书拷贝到对应的CUDA目录下就可以

安装流程

export PATH=/usr/local/cuda-8.0/bin/:$PATH

4.安装tensorflow

安装pip

sudo apt-get install python-pip python-dev

安装tensorflow gpu 版(python 2)

pip install tensorflow-gpu
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl
sudo pip install --upgrade $TF_BINARY_URL

测量试验是还是不是安装成功

调出终端
python
import tensorflow

配置南开源

1.设置驱动

设置 Nvidia 驱动命令

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

先是次运维现身如下的警报:

图片 8

回车的前面继续:

sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

其后重启系统让显卡驱动生效。

当前Computer配置:Ubuntu 16.04 + GTX1080显卡

sudo apt-get update

conda install -y  tensorflow-gpu==1.4.1

sudo apt-get install mesa-common-dev

sudo apt-get install nvidia-367

sudo cp cudnn.h /usr/local/cuda/include/  #复制头文件

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

配置情况变量至~/.bashrc

bash Miniconda3-latest-Linux-x86_64.sh

重启系统让GTX1080显卡驱动生效

export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"

郑重声明:本文版权归美高梅163888所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。