ubuntu+cuda+cudnn+tensorflow(caffe)

最新推荐文章于 2023-12-08 16:53:33 发布

One__Coder

最新推荐文章于 2023-12-08 16:53:33 发布

阅读量597

点赞数

CC 4.0 BY-SA版权

分类专栏： tips

本文链接：https://blog.youkuaiyun.com/github_37973614/article/details/81172234

tips 专栏收录该内容

6 篇文章

订阅专栏

ubuntu16.04.4-desktop-amd64 + python3.6.4+cuda9.0+cudnn-9.0-linux-x64-v7.1

另一个环境：ubuntu16.04.4+anaconda2(py2.7)+cuda8.0+cudnn(for cuda8.0&linux+caffe)

整个过程的顺序应该是ubuntu——>python——>显卡驱动——>cuda——>cudnn——>tensorflow(caffe)之类的框架

1、首先是ubuntu16.04.4的安装

如果在还没安装之前，启动盘插入之后启动发现显示屏出现了了“频率超出范围的错误”。可以参看教程： http://shamangary.logdown.com/posts/773013-install-torch7-cuda-cudnn-nvidia-driver

这个是一个显卡驱动的问题，可以在安装好后进行NVIDIA显卡驱动的安装。

ubuntu我用的是16.04.4，更高版本的的估计也可以，但是就需要上面其他几个的版本适配了。ubuntu可以直接制作镜像，有软件Ultraiso可以专门来制作刻录的，比较简单，网上都有教程的。在关机启动选择U盘启动就可以了。一路yes。然后到安装类型的时候（图片来自网络），选择其他选项网上有教程说选上面的会出问题，自己没试过，就不知道。

在这里有一个坑，就是现在我的电脑磁盘是GUID分区表。没有逻辑分区，只有主分区，那么一个磁盘最多只能有四个主分区，因此，嗯，要合理分配一下，然后看把ubuntu放在多大的一个地方。一般60G，有100G的，我的就200G。。。心想着以后可能用得多吧。

网上对于分区的建议一般是：/， /boot, 交换空间(swap)，/home,都是ext4日志文件，至于大小，根据自己需求吧和参考教程。

分区：

/ 20~30G
/boot 300M
/tmp 5G
swap（交换空间） 1024M
/Home 余下的空间

之后接下来的步骤就是一些简单的设置了，将启动引导器设置为/boot下。

在这里首先应该安装ubuntu的显卡驱动，我的是nvidia GTX 1060，可以直接在网上找到，下面有教程，选择的版本是387。。。的版本，选择太高的话可能会因为驱动的编译器和自带gcc编译器的不一致而无法安装成功，因为升级gcc比较麻烦，所以就选择了比较低的版本的驱动。

2、cuda

参考前三步：https://blog.youkuaiyun.com/li_haiyu/article/details/78950915

主要就是安装cuda了

cuda是用的是9.0版本，因为tensorflow的版本是1.9的。caffe的话可以用cuda8.0的。

ubuntu安装好了一般默认是非root用户，一般无法操作的指令在指令前面加个sudo就好了。

2.1、首先检查自己的GPU是否是CUDA-capable

在终端输入:

lspci | grep -i nvidia

这样会显示自己的NVIDIA GPU版本信息

2.2、检查系统是否有gcc，一般是有的吧：

gcc --version

2.3、

在这之前可以先装一下显卡驱动。

禁用nouveau，这个很重要，不然不会成功的，这个是禁用自带的一个显卡驱动

#禁用的方式：
sudo gedit /etc/modprobe.d/blacklist.conf
#用gedit进入编辑文件，在最后加入blacklist nouveau，保存退出

打开终端，运行sudo update-initramfs -u，才可以生效
然后重启。
可以检查一下，如果没有输出则表示禁用成功：

lsmod | grep nouveau

安装显卡驱动

找对应版本的驱动（不宜选最高的，我的因为选择最新版本的，导致了自身ubuntu gcc版本低于驱动的编译器，因而无法安装，我的gcc版本的5.3，所以这里会有一个显卡驱动gcc版本和自己gcc版本不适配的问题。可以选择更新下自己的gcc）：https://www.nvidia.cn/Download/index.aspx?lang=cn

接下来是安装驱动啦：https://blog.youkuaiyun.com/u012442845/article/details/78855573

安装好后可以继续上面的sample测试，最后出来结果result=PASS就是OK了的吧。

2.4、安装cuda（在这之前先把显卡驱动安装好）

首先下载cuda的runfile文件。不用deb的。

切换到cuda文件的目录下，运行安装文件：

sudo sh cuda_****_linux.run

接下来是阅读各种条款啥的，一直看到最底下之后，使用

（1）accept

（2）install nvidia accelerated Graphics Driver（N）这个地方选择yes可能会失败，我就是因为这个磨了很久。。。（这里要选择no！！！）

（3）其他的都是yes就好了。

最后出现的结果可能是：

Driver:No selected
Toolkit:Installed in /usr/local/cuda...
Samples:Install in /home/coder

配置环境变量：

安装完成后需要将CUDA的路径加入环境量，首先打开~/.bashrc文件，添加一下代码：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

中间不要加多余的空格，如果安装的不是8.0版本，则修改路径中的版本号，保存，然后打开/etc/profile，文末加上以下代码：

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

基本就成功了。

但是，总要测试一下是否真的成功了吧：

找到cuda下面的sample文件下面，有很多的样例，可以随便找一个make,然后运行，看能否得到正确到不报错到信息。

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery

测试的时候可能出现一个错误：

g++: No such file or directory

这是g++未安装，可以通过下面指令来安装：

sudo apt-get install g++
# 安装成功后继续测试cuda样例

3、cudnn

使用的是cudnn-9.0-linux-x64-v7.1.solitairetheme8，这个地方一定要先把这个文件先改名字或者复制一个文件将.solitairetheme8格式改成.tgz格式，然后解压才会成功。

然后这样就没啥大问题了吧，这个好像没啥大坑：

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/* /usr/local/cuda/lib64/

更新软链接：

#下面的操作在/usr/local/cuda/lib64/目录下进行
sudo rm -rf libcudnn.so libcudnn.so.7.0#删除两个符号链接；
sudo ln -s libcudnn.so.7.0.64 libcudnn.so.7.0
sudo ln -s libcudnn.so.7.0 libcudnn.so

另一个不用更新软链接的方法（忽略下面标题）：

‘