安装英伟达驱动
nouveau,是一个自由及开放源代码显卡驱动程序,是为Nvidia所编写,构建在内核中
lsmod | grep nouveau 查看nouveau是否启动
lspci | grep VGA # 查看集成显卡
lspci | grep NVIDIA # 查看NVIDIA显卡
手动安装英伟达驱动程序
删除原有的NVIDIA驱动程序:
apt remove --purge nvidia*
没有就不需要删除了
禁用nouveau:
sudo gedit /etc/modprobe.d/blacklist.conf
blacklist nouveau #在最后一行添加,禁用nouveau第三方驱动
sudo update-initramfs -u #在内核中,使生效
reboot
lsmod | grep nouveau #查看是否成功,无输出则未启动
停止可视化桌面
方法一:
sudo telinit 3 #最简单的方法是使用telinit命令更改为运行级别3 改为5返回原有桌面
方法二:
sudo service lightdm stop #或者采用这种方式
安装驱动
驱动到英伟达官网上选择自己显卡对应的驱动
sudo chmod a+x NVIDIA-Linux-x86_64-390.48.run
sudo ./NVIDIA-Linux-x86_64-390.48.run
安装CUDA
cuda可以到英伟达网站上下载
验证系统是否安装了gcc gcc --version
NVIDIA显卡驱动已经正常安装;
nouveau已经禁用;
关闭图形界面
安装:
sudo chmod a+x cuda_9.2_linux.run
sudo ./cuda_9.2_linux.run -override
设置环境:
export CUDA_HOME=/usr/local/cuda-9.2
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-9.2/bin:$PATH
验证:
nvcc -V
如果有CUDA的版本信息代表正常。
安装cudnn
下载
https://developer.nvidia.com/cudnn
解压你下载的cudnn
我的机器上下载的cudnn9
tar -xzvf cudnn文件名
进入解压后的文件夹
cd 解压后的文件名
sudo cp lib* /usr/local/cuda/lib64/
sudo cp cudnn.h /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
配置环境变量;
sudo gedit ~/.bashrc
添加:
export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda
export PATH="$CUDA_HOME/bin:$PATH"
再执行:
source ~/.bashrc
配置完成!
安装Anaconda3
下载
用清华大学的开源镜像站点
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
找到对应的版本,32、64位也要注意
进入anaconda安装包所在目录,打开终端,根据版本输入安装命令:
bash Anaconda3-5.0.0.1-Linux-x86_64.sh
回车后,是许可文件,接收许可,anaconda将安装在~/anaconda目录下,直接回车就好。
最后会询问是否把anaconda的bin添加到用户的环境变量中,选择yes。
安装成功以后,在终端输入
source ~/.bashrc
让.bashrc中添加的路径生效。
在terminal中输入python就会默认打开anaconda3里默认的python了
创建Tensorflow的运行环境
conda create -n tensorflow python=3.6
激活环境,使用 pip 安装 TensorFlow-GPU
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple