Ubuntu20.04+cuda+cudnn+ancadacon+tensorflow+opencv从零安装完整教程

前言:从装系统开始 到 跑成功 第一个tensorflow程序  的  保姆级教程 ,且所有的软件包都附有下载链接
装了2天的血泪总结,希望看了可以可以帮大家少走点坑!

目录

一. Ubuntu系统 安装

1.准备工具

2.启动盘制作

​ 3.系统安装

二.安装驱动

 1.禁用Nouveau驱动

2.安装NVIDIA驱动

三.cuda安装

四. cudnn安装

五.anaconda安装

六.安装tensorflow

七.opencv安装


一. Ubuntu系统 安装

1.准备工具

                 ubuntu镜像文件(以20.04为例,下载地址如下)
                 https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/20.04/?C=N&O=A
                   启动盘制作工具(Rufus–1008.05kb,网上有)
                   U盘(16G以上)

2.启动盘制作

如下图进行启动盘制作即可


 3.系统安装

    (1)进入Bios设置U盘启动,查询自己主板的进入Bios的快捷键,进入后
    (2)U盘启动后会出现黑色界面的引导界面,接下来常规安装自己点
    (3) 注意这个到选择安装的界面,建议选择最小安装
  (4)其他分区啥的根据自己需求

二.安装驱动

        ubuntu自带的是一个默认的Nouveau驱动,虽然好用但不是NVIDIA官方发行的,所以在后续装cuda和cudnn(后面会说到)的时候会出现问题 所以,需要先禁用No uveau驱动,然后在安装官方驱动


 1.禁用Nouveau驱动

         终端输入 sudo gedit /etc/modprobe.d/blacklist.conf
        在打开的文件末尾加上 如下两句后保存退出,如图:
        blacklist nouveau
         options nouveau modeset=0            
输入命令:lsmod | grep nouveau 
没有信息显示,说明nouveau已被禁用,接下来安装nvidia的显卡驱动

2.安装NVIDIA驱动


  安装驱动有三种方法
  (1)在ubuntu自带的软件和更新->附加驱动中直接选择下载

  (2)去NVIDIA官网NVIDIA 引领人工智能计算 | NVIDIA下载驱动文件到本地后,通过
sudo XXX.run 安装驱动,下载哪种驱动可以在官网上选择或者输入 ubuntu-drivers devices可以看到支持的驱动信息,其实和(1)中浏览的一样

### 安装准备 为了确保顺利安装NVIDIA显卡驱动CUDAcuDNN以及OpenCV,在Ubuntu 20.04上的操作需遵循特定流程。 #### 卸载旧版驱动并禁用 Nouveau 驱动 由于ubuntu自带的是一个默认的Nouveau驱动,这可能会在后续安装CUDAcuDNN时引发冲突。因此需要先禁用Nouveau驱动[^2]: ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf ``` 在此文件中添加如下两行内容后保存退出: ```text blacklist nouveau options nouveau modeset=0 ``` 更新内核参数以应用更改: ```bash echo 'nouveau.modeset=0' | sudo tee -a /etc/default/grub sudo update-grub sudo reboot ``` 重启计算机之后继续执行以下命令来确认Nouveau模块已被成功移除: ```bash lsmod | grep nouveau ``` 如果没有任何输出,则表示已成功卸载。 #### 设置合适的GCC/G++版本 考虑到Ubuntu 20.04 默认提供的 GCC 版本较高,可能导致与 CUDA 的兼容性问题。建议调整至较低版本如gcc-7, g++-7作为默认编译器工具链[^4]: ```bash sudo apt-get install gcc-7 g++-7 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9 sudo update-alternatives --config gcc sudo update-alternatives --config g++ ``` #### 安装 NVIDIA 显卡驱动程序 通过官方源获取最新稳定版NVIDIA驱动: ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo ubuntu-driver autoinstall reboot ``` 验证安装情况: ```bash nvidia-smi ``` 该指令应返回有关GPU的信息列表,表明驱动已经正确加载。 #### 安装 CUDA Toolkit 前往[NVIDIA官网](https://developer.nvidia.com/cuda-downloads),选择适合当前系统的安装包下载链接,并按照提示完成安装过程。通常情况下推荐采用.run 文件形式离线安装方式以避免依赖关系带来的麻烦。 注意:安装过程中记得勾选是否创建符号链接选项以便简化后续配置工作。 #### 安装 cuDNN 库 同样访问[NVIDIA开发者页面](https://developer.nvidia.com/rdp/cudnn-archive)下载对应于所安装CUDA版本号的cuDNN压缩包。解压后将其中`include`, `lib64`目录下的文件复制到相应路径下即可[^1]。 对于环境变量设置部分可以考虑将其加入~/.bashrc 或者 ~/.zshrc 中长期生效: ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/include source ~/.bashrc ``` #### 编译支持 CUDA 加速功能的 OpenCV 最后一步就是构建带有CUDA加速特性的OpenCV库了。在此之前还需额外安装一些必要的开发库和支持软件包 : ```bash sudo apt-get install cmake git libgtk2.0-dev pkg-config \ libavcodec-dev libavformat-dev libswscale-dev \ python-dev python-numpy libtbb2 libtbb-dev \ libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev \ libopenblas-dev liblapacke-dev checkinstall \ libfreeimage3 libfreeimage-dev ``` 克隆官方仓库并切换分支: ```bash git clone https://github.com/opencv/opencv.git opencv cd opencv/ git checkout tags/4.x mkdir build && cd $_ cmake .. make -j$(nproc) sudo make install ``` 以上即完成了整个安装流程概述。需要注意每步之间可能存在细微差异取决于具体硬件平台和个人需求偏好等因素影响。
评论
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