Ubuntu16.04+CUDA8.0+cudnn5.1+TensorFlow-GPU详细安装步骤

本文详细记录了在Ubuntu 16.04系统上安装CUDA8.0、cudnn5.1以及TensorFlow-GPU的过程,包括系统准备、U盘安装Ubuntu、安装显卡驱动、CUDA工具包和深度学习库,最后还介绍了如何在pycharm中添加库环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近学习机器学习的基本算法,想着配合Python2.7+TensorFlow-gpu进行学习,奈何Windows上TensorFlow只支持Python3.5.x,虚拟机上用Ubuntu对硬件的调用又不够,总是跑着跑着就死机了。于是一狠心装了双系统,在Windows10下安装了Ubuntu Kylin 16.04LTS。对于长期寄居于Windows系统的我,安装过程可谓艰难坎坷,前前后后折腾了一天半,在此感谢CaptainChen同学和其他师兄的协助。现把安装流程分享给大家。


安装准备

这里我仅列出我自己的安装准备:

  1. 联想Y400笔记本:GeForce GT 750M独显2G显存,内存8G,Windows10操作系统,这里提前看看自己的显卡是否支持深度学习计算
  2. 空U盘一个,至少2G左右的空间(里面不含任何文件)
  3. 在网上把所需安装的Ubuntu系统镜像文件下载下来,我选择的是Ubuntu Kylin 16.04LTE版本
  4. 下载软碟通UltraISO软件,用于向U盘中刻录系统安装文件
  5. 右击我的电脑,选择“管理”,在侧栏中选择“磁盘管理”,里面列有此电脑的磁盘分区,选择一个空余容量较大的分区,右击选择“压缩卷”,向里面输入需要分出来的空间大小作为Ubuntu系统的存储空间,例如我分出来了100G(102400M)。压缩成功后会看见有个100G的闲置空间,默认在上面是没有卷的,如果有就删除卷即可。

U盘安装Ubuntu系统

U盘启动

首先,将Ubuntu系统iso文件通过UltraISO软件向U盘中刻录,具体刻录方法可以自行百度,上面有很多,比如这个例子

然后准备将Windows重启,这是装双系统前见Windows的最后一面,有什么要处理的先处理掉。然后插着已经含有刻录内容的U盘重启。
重启的方式是U盘启动,有两种方法可以U盘启动:

  1. 重启进入BIOS界面,不同主板的电脑进入BIOS界面的方法不同,反正总之是开机疯狂按F1、F2、F11、F12、DEL键中的一个,我的电脑是按F1。然后在BIOS界面里进入boot菜单栏,里面可以看见启动顺序应该是Windows启动是首位,将USB启动调到第一位,然后保存退出,重启。
  2. 在Windows10下可以不用BIOS进入U盘启动,在系统设置中,进入“更新和安全”,然后在侧栏选择进入“恢复”,选择“高级启动”下的“立即重启”。然后自动重启后会进入一个选择界面,选择“疑难与解答”,然后里面可以选从U盘启动。

U盘启动后,应该会看到一个列表选项,里面有类似于start kylin without installing Ubuntu和Install Ubuntu之类的,选择without installing会进入一个mini kylin系统,选择install会进入kylin系统后自动运行安装文件。因为U盘里刻录了系统文件,所以通过U盘启动相当于利用U盘资源创建了一个迷你操作系统,操作系统里有Ubuntu的安装文件。具体情况因下载的系统文件不同而异,但不管怎样能进入安装程序就行。

Ubuntu安装

简单的安装选项就不讲了,主要讲一下安装过程中的系统分区。

在安装过程有有一个界面是选择安装模式,分别是:Ubuntu与Windows共存、将磁盘清空仅安装Ubuntu、自定义。这里我们选择自定义安装。进去后会有该电脑的磁盘分区情况,找到我们之前分出来的100G空间,选中后下面有个加号,点击加号添加分区,每生成一个分区这100G空间就会减少相应的大小。
这里我们生成四个分区:

  1. /boot 400MB (系统内核分区)
  2. /home 40GB (用户文档分区,相当于D盘)
  3. / 52GB (系统根目录分区,相当于C盘)
  4. /swap 8GB (系统交换空间,在“用于”下拉栏里选则“交换空间”,相当于内存大小)

具体分区大小可按照自己需要而定。之后也可在Ubuntu系统中使用Gparted软件进行分区修改调整。

分区之后进行系统安装,重启开机会让你选择进入什么系统,选择Ubuntu进入,进去之后进行个性化的设置,至此Ubuntu系统便安装完成。

Ubuntu下显卡驱动的安装

首先检查本机的显卡信息,并查看推荐驱动

ubuntu-drivers devices


这里我们可以看到GPU model是GK107M [GeForce GT 750M],这块显卡是可以支持深度学习计算的。并且我们看到driver的推荐是NVIDIA-375,所以我们选择安装

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值