Ubuntu18.04安装cuda9.0,cudnn7.0.5,Anaconda3-5.2.0和TensorFlow-gpu1.8.0

爆详细Ubuntu18.04,CUDA9.0,OpenCV3.1,Tensorflow完全配置指南 2017.2.21更新: 更新内容: 删掉了Anaconda的部分,因为其实很多库自己用pip装一下就行了,Anaconda反而会牵扯到很多的依赖和配置文件的改变。既然ubuntu自带了python,就不用费力去装新的了。 tensorflow 1.0出来了,有了很多的改进,安装也变得更加的简单,所以,新的安装以1.0版本的最简单的安装方式为主。 2017.11.21更 阅读详情

目录

1. 前言

2. 安装显卡驱动

3. 禁止第三方开源驱动

3.1 修改文本有三种方式,以修改软件环境为例

4. 更新NVIDIA驱动

5. gcc降级为4.8

6. 安装CUDA和cuDNN

6.1 安装CUDA 

6.2 安装cuDNN

6.3 测试CUDA

6.4 测试cuDNN

6.5 查看CUDA和cuDNN版本

6.6 卸载CUDA

7. 安装Anaconda

7.1 安装Anaconda3-5.2.0

7.2 修改Python版本为3.6

7.3 conda常用命令

7.4 卸载Anaconda

8. 安装tensorflow-gpu

9. 远程访问jupyter

9.1 安装ssh工具

9.2 jupyter文件配置

10. 安装keras2.1.6

11. numpy版本


 


1. 前言

本人新手,花费了不少时间搭建ubuntu18.04的深度学习环境,整理如下。

奉劝一句,不要追求高版本,另外老版本有更多帖子可参考去解决问题。

硬件条件:CPU: i5-8400; GPU: GTX1060 3G;

软件环境:Ubuntu18.04,自带Python版本是3.7

预装DL环境:cuda_9.0.176_384.81_linux.run;cudnn-9.0-linux-x64-v7.tgz;

                       Anaconda3-5.2.0-Linux-x86_64.sh;tensorflow-gpu==1.8.0

2. 安装显卡驱动

先更新软件源

参考资料:https://blog.youkuaiyun.com/zxy131072/article/details/84259967

#查看更新源文件
sudo gedit /etc/apt/sources.list

软件和更新——附加驱动——选择第一项——应用——自动识别安装

参考资料:https://blog.youkuaiyun.com/m0_37407756/article/details/80769952

3. 禁止第三方开源驱动

打开终端,输入

sudo gedit /etc/modprobe.d/blacklist.conf

在打开的文本最后添加

blacklist nouveau
options nouveau modeset=0

右上角保存后关闭,终端输入使其生效

sudo update-initramfs -u

重启电脑,终端输入

lsmod | grep nouveau  #如果屏幕没有输出则禁用nouveau成功

3.1 修改文本有三种方式,以修改软件环境为例

sudo gedit ~/.bashrc  #系统自带,适合新手,修改后直接右上角保存退出
sudo vi ~/.bashrc     #系统自带,建议升级vim,文件保存等常规操作和vim一样
sudo vim ~/.bashrc    #需要安装,按i或insert键修改文件,修改后保存退出:按esc键,同时按shift+;, 输入wq。

source ~/.bashrc      #使修改文件生效

4. 更新NVIDIA驱动

安装的显卡驱动版本必须高于或等于CUDA自带的驱动版本

英伟达官方要求:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

查看显卡驱动版本<

Ubuntu18.04+显卡驱动安装+CUDA9.1安装+cdDNN7.0.5安装+Anaconda3安装+tensorflow(GPU)安装 显卡驱动安装 在终端运行查看本机NVIDIA显卡型号和推荐的驱动程序模型 ubuntu-drivers devices 显卡是:GeForce GTX 1080 TI ,建议安装的显卡驱动时nvidia-drivers-396, 再次输入   sudo ubuntu-drivers autoinstall 安装完成后重启电脑即可 安装验证: nvidia-smi C... 阅读详情

相关推荐

Ubuntu18.04/16.04+ Tensorflow1.8 +anaconda安装总结

Ubuntu18.04/16.04+ Tensorflow1.8 +anaconda安装总结 主要参考网址: 1.https://blog.csdn.net/Aiolia86/article/details/80342240 2.https://blog.csdn.net/weixin_40920290/article/details/80462734#3cudnn70 Ubuntu18....

lilywei的博客 2399

ubuntu18.04+CUDA 9.0+CUDNN7.4+ananconda+tensorflow-gpu1.8+keral-gpu

以下是我安装ananconda+tensorflow-gpu1.8+keral-gpu的方法,过程较为复杂,走了不少弯路,但最后成功了,浪费了不少时间。 安装完之后,在网上看到这样一篇文章https://blog.csdn.net/weixin_39954229/article/details/79961172 告诉我安装ananconda+tensorflow-gpu不需要事先安装CUDA ...

dyh123321dyh的博客 1315

PCIe设备内存访问实战:从ioremap到DMA映射的完整流程解析

本文深入解析了PCIe设备内存访问的完整流程,涵盖从CPU通过ioremap访问设备寄存器,到设备通过DMA映射高效读写主机内存的核心机制。详细探讨了虚拟地址、物理地址与总线地址的转换关系,对比了一致性与流式DMA映射的适用场景及同步要点,并阐述了IOMMU在安全与效率中的作用,为驱动开发者提供了实战代码与关键陷阱分析。

weixin_29201933的博客 505

京东技术产品经理面试全记录:从简历投递到一面45分钟实战复盘

本文深度复盘京东技术产品经理面试全流程,从策略准备、思维题拆解、项目阐述到反问谈判,提供了一套可演练的求职策略体系。文章强调该岗位需具备横跨技术与商业的枢纽能力,并通过“QQ分组vs微信标签”等案例,剖析了产品思维与结构化表达在面试中的关键作用,助力候选人将紧张转化为掌控感。

weixin_29275257的博客 630

VisionPro脚本实战:用C#替代QuickBuild,让复杂定位项目代码更清爽

本文探讨了如何通过C#脚本重构VisionPro复杂定位项目,替代臃肿的QuickBuild架构。通过实战案例展示了脚本化开发如何减少60%代码量并提升35%运行效率,使项目更易维护。文章详细介绍了环境搭建、多模板定位重构及高级技巧,帮助开发者突破QuickBuild限制,实现更高效的视觉应用开发。

weixin_30417487的博客 502

超频玩家必看:TestMem5配置文件详解与内存稳定性测试实战(含黄金参数包)

本文详细解析了TestMem5(TM5)在内存超频稳定性测试中的核心价值与实战应用,特别针对DRAM颗粒特性提供黄金参数配置。通过anta777等专业配置的深度剖析,指导超频玩家精准定位内存故障,优化时序参数,实现性能与稳定性的完美平衡。涵盖从初级验证到极限压测的全流程方案,是硬件发烧友提升系统稳定性的必备指南。

weixin_29198045的博客 1814

乐企增值税及附加税费预缴申报表填报能力说明文档V1.004

申报表填报,是指企业在自有业务系统中将算税结果数据按预填规则要求加工汇总后,进行申报表填报的过程。申报表填报前对纳税申报所需的前提条件进行校验。校验通过后,应用前序算税结果数据及预填规则进行纳税申报表预填,生成申报表数据。申报表数据通过申报业务规则校验后,经纳税人确认即完成申报表填报业务。

记录点滴 355

Megatron-LM从头训练大语言模型:并行策略图示【Tensor并行、Pipeline并行、Data并行、Sequence并行、virtual_pipeline并行、Context并行】

节点包含的层每GPU的参数内存每GPU的激活内存节点0Stage 0层1-1212层参数/2 (TP切分)8k序列激活 (CP切分)节点1Stage 1层13-2412层参数/2 (TP切分)8k序列激活 (CP切分)节点2Stage 2层25-3612层参数/2 (TP切分)8k序列激活 (CP切分)节点3Stage 3层37-4812层参数/2 (TP切分)8k序列激活 (CP切分)负载均衡:每个节点处理相同数量的层(12层)内存优化。

u013250861的博客 285

【图像超分】论文复现:经典超分 | SAN的Pytorch源码复现,跑通源码,适配高版本的python/pytorch/cuda,使用EDSR-PyTorch进行训练和测试

本文介绍了单幅图像超分辨率重建方法SAN(二阶注意网络)的代码实现。文章详细说明了在高版本Python/Pytorch环境下适配SAN源码的方法,并提供了修改后的完整代码和预训练模型下载链接。 主要亮点包括: 将SAN模型实现整合到EDSR-Pytorch框架中,解决了高版本环境下的兼容性问题 提供了完整的数据集准备指南(DIV2K训练集和5个测试集) 给出了详细的测试命令,涵盖x2、x3、x4不同放大倍率 公开了预训练模型和可视化结果的下载资源 提供了修改后的适配高版本环境的代码。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 1412

YOLOv11改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型

一、本文介绍 本文记录的是基于MobileNet V4的YOLOv11目标检测轻量化改进方法研究。MobileNet V4通过整合UIB、Mobile MQA以及优化的NAS策略,能够在在不降低性能指标的前提下,降低计算成本。本文配置了原论文中MNv4-Conv-S、MNv4-Conv-M、MNv4-Conv-L、MNv4-Hybrid-M和MNv4-Hybrid-L五种模型,以满足不同的需求。 模型 参数量 计算量 推理速度 YOLOv11m 20.0M 67.6GFLOPs 3.5ms

Limiiiing的博客 4458

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: u盘UEFI模式安装Windows10和ubuntu18.04双系统
下一篇: ubuntu18.04安装Synergy及解决遇到的问题
pblearning
博客等级 码龄9年 3粉丝 3原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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