目录
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<

本文详细记录了在Ubuntu18.04上安装CUDA9.0、CUDNN7.0.5、Anaconda3-5.2.0以及TensorFlow-GPU1.8.0的过程,包括显卡驱动、gcc降级、CUDA和cuDNN的安装与测试、Anaconda的安装与Python版本调整、远程访问Jupyter的配置等步骤。
最低0.47元/天 解锁文章
524





