ubuntu18.04 +Tensorflow1.12+cuda9.0+cudnn7.3+anaconda+GTX1660ti 深度学习环境配置

该博客介绍了硬件及深度学习环境的安装与测试。先介绍硬件,接着依次阐述显卡驱动、cuda、cudnn7.3、tensorflow 1.12的安装步骤,安装cuda时需注意避免旧版驱动问题,最后在jupyternotebook中进行测试。
部署运行你感兴趣的模型镜像

1 硬件介绍

Nvidia GTX1660ti 

2 安装显卡驱动

2.1 安装驱动

# 将系统中存在的nvidia驱动全部卸载掉(如果有的话)
sudo apt-get purge nvidia*

# 添加ppa源并更新
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

#查看可以选择的驱动
ubuntu-drivers devices

# 选择一个驱动版本安装
sudo apt-get install nvidia-driver-430

在这里插入图片描述
在这里插入图片描述

2.2 重启并检查

重启系统,然后输入命令

nvidia-smi

显示如下,表示驱动正常
在这里插入图片描述
同时,在系统设置的detail中,有显示显卡型号
在这里插入图片描述

3 安装cuda

3.1 下载

从官网下载,选择如下:
在这里插入图片描述
最终得到如下五个文件:
在这里插入图片描述

3.2 安装cuda

1 切换到当前目录,安装主文件

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb

2 安装CUDA的GPG Public Key

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

3 更新APT源

sudo apt-get update

4 安装CUDA

sudo apt-get install cuda

注意 这里会自动安装旧版本的显卡驱动,导致检测不到独立显卡,所以还需要安装一遍新的驱动!!

5 安装补丁

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda

6 重新安装一遍显卡驱动

7 设置环境变量
编辑 bashrc

vim ~./bashrc

在最后加上

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

运行如下命令使得环境变量生效

source ~/.bashrc

8 测试环境变量是否生效

nvcc --version

在这里插入图片描述

4 安装cudnn7.3

4.1 下载

选择7.3版本,来自网页:https://developer.nvidia.com/rdp/cudnn-archive
选择for linux
在这里插入图片描述

4.2 解压

得到文件夹cuda
在这里插入图片描述
在同级文件下执行

4.2 复制文件

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

4.3 改变权限

sudo chmod a+x /usr/local/cuda/include/cudnn.h
sudo chmod a+x /usr/local/cuda/lib64/libcudnn*

5 安装tensorflow 1.12

5.1 创建conda环境

conda creat -n tf12 python=3.6

注意: 1.12版本最高支持python3.6
同时 1.13版本最低要求cuda10.0
因此,我们选择1.12版本的tensorflow

5.2 激活环境

conda activate tf12

5.3 安装tensorflow

pip install tensorflow-gpu==1.12

6 测试

在jupyternotebook中测试,安装见文章
https://blog.youkuaiyun.com/qq_23996885/article/details/88691852

测试代码和结果如图,说明正常
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论 2
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