centos下安装Gcc-5.4 Python3.5 cuda8.0 cudnn 以及tensorflow 1.4

本文详细介绍了在Ubuntu系统中如何手动安装GCC 5.4.0,包括依赖项的下载和安装。接着,文章讲述了安装Python3.5的步骤,以及解决Python交互模式下退格键和删除键不可用的问题。随后,指导读者安装NVIDIA驱动、CUDA 8.0,并调整GCC版本以兼容。此外,还涵盖了cuDNN的下载和安装,最后是TensorFlow 1.4 GPU版的安装和验证。

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

------前期安排好gcc的编译器,不然下面手动安装python会报错:另外本人在自己环境中使用下载源码编译安装GCC,直接可以看方法三:(下面安装一定一步完成,不要在安装的时候再做其他事情,因为gcc编译很占用资源)

方法一:
该方法超简单:
sudo apt-get  build-depgcc
就上面这条命令就可以搞定
方法二:
sudo apt-get  install  build-essential
还是简单,一句命令也可以搞定
安装完了可以执行
gcc--version
的命令来查看版本,输出如下:
gcc(GCC)4.2.3(Ubuntu4.2.3-2ubuntu7)
Copyright(C)2007FreeSoftwareFoundation,Inc.

方法三:

1.下载GCC源码

  wget ftp://mirrors.kernel.org/gnu/gcc/gcc-4.9.0/gcc-4.9.0.tar.gz

或者直接到如下官网下载对应版本,去下载对应的gcc对应版本,我下载的是gcc-5.4.0


2.解压:(如果不是root权限,命令前添加sudo获取管理员权限)

  tar -zxvf gcc-4.9.0.tar.gz

下载解压后,别开始编译安装,不然它会失败,并提示你如下错误:,因为安装gcc之前需要其他的一个模块依赖

接下来还要下载gcc编译所依赖的其他资源:GMP 4.2+、MPFR 2.4.0+ 、MPC 0.8.0+三个依赖项:

3.:下载编译所需依赖项:

3.1:下载gmp-6.1.2


3.2:下载mpfr-3.1.5:


3.3:下载mpc-1.0.2


4.将依赖项安装:(最好是root权限)

    4.1、gmp安装:(最好是root权限)
    解压:tar jxf gmp-6.1.2.tar.bz2
    cd gmp-6.1.2
    ./configure --prefix=/usr/local/gmp-6.1.2 && make
    make install
 
 
    4.2、mpfr安装:(千万别选最新的,不然会后面安装mpc时函数定义冲突)
  下载:mpfr-3.1.5.tar.gz
  解压:tar zxvfv mpfr-3.1.5.tar.gz
        cd mpfr-3.1.5
        ./configure --prefix=/usr/local/mpfr-3.1.5 --with-gmp=/
u
<think>嗯,用户遇到了安装mmcv时构建wheel失败的问题。我需要先分析可能的原因。根据引用[1]和[2],常见的失败原因包括缺少依赖、编译器问题或环境配置不正确。比如,引用[4]提到GCC版本过低可能导致编译失败,mmcv可能需要更高版本的编译器支持。另外,引用[3]中的cl.exe失败可能与Windows上的VC++构建工具有关。 首先,用户可能需要检查系统依赖,比如CUDA版本是否与mmcv兼容,以及是否正确安装Python开发头文件。在Linux上,可能需要安装python3-dev;在Windows上,可能需要安装Visual Studio Build Tools,如引用[3]所示。 其次,用户可能需要安装正确版本的PyTorch。因为mmcv对PyTorch版本有特定要求,如果PyTorch版本不匹配,可能导致构建失败。用户应该查看官方文档,确认兼容的版本组合。 另外,直接使用预编译的包可能更简单,比如使用mim安装或从仓库下载预编译的wheel文件。这可以避免本地编译的问题,特别是当系统环境配置复杂时。 如果用户必须从源码编译,可能需要设置环境变量,如MMCV_WITH_OPS=1,并确保CUDA_HOME正确指向安装路径。此外,升级setuptools和wheel到最新版本也可能解决兼容性问题,如引用[1]和[2]中提到的安装依赖问题。 最后,用户还应该检查错误日志中的具体信息,比如是否有关于特定编译器或依赖项的报错,从而更有针对性地解决。例如,如果出现与MPI相关的错误,可能需要安装MPI库,如引用[1]中的mpi4py问题,但mmcv可能不直接依赖MPI,所以这可能不是主要原因。 总结可能的解决方案:安装系统依赖、使用预编译包、确保PyTorch版本兼容、升级构建工具、正确配置CUDA路径,以及检查详细错误日志以定位问题。</think>### 解决mmcv构建wheel失败的常见方法 #### 1. **检查系统依赖** - **CUDA/cuDNN版本不兼容** mmcv对CUDA/cuDNN版本有严格依赖,需确保与PyTorch版本匹配。例如: - PyTorch 1.10 + CUDA 11.3 - PyTorch 2.0 + CUDA 11.7 可通过以下命令验证: ```bash nvcc --version # 查看CUDA版本 python -c "import torch; print(torch.__version__)" ``` - **缺少Python开发头文件** 在Linux系统中,若报错`Python.h not found`,需安装: ```bash sudo apt-get install python3-dev # Ubuntu/Debian ``` - **Windows需安装VC++构建工具** 引用[3]中`cl.exe`报错表明缺少MSVC编译器,需安装Visual Studio 2019/2022的**C++桌面开发工具**[^3]。 #### 2. **使用预编译包(推荐)** - **通过`mim`安装** OpenMMLab官方工具`mim`自动匹配版本: ```bash pip install openmim mim install mmcv-full ``` - **手动下载预编译wheel** 访问[MMCV官方仓库](https://mmcv.readthedocs.io/en/latest/get_started/installation.html),根据`PyTorch+CUDA+系统`组合选择对应版本: ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html ``` 示例(CUDA 11.3 + PyTorch 1.10): ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html ``` #### 3. **源码编译(需完整环境)** ```bash # 克隆仓库 git clone https://github.com/open-mmlab/mmcv.git cd mmcv # 启用CUDA算子支持 export MMCV_WITH_OPS=1 # 指定CUDA路径(若自动检测失败) export CUDA_HOME=/usr/local/cuda-11.3 # 安装依赖 pip install -r requirements.txt # 编译安装 pip install -e . ``` #### 4. **其他关键配置** - **升级构建工具** 确保`setuptools`和`wheel`最新: ```bash pip install --upgrade setuptools wheel ``` - **CentOS/GCC版本问题** 引用[4]提到GCC版本过低可能导致编译失败,需升级至≥5.4[^4]: ```bash sudo yum install centos-release-scl sudo yum install devtoolset-9 scl enable devtoolset-9 bash ``` #### 5. **错误日志分析** 若仍失败,需查看完整报错日志定位问题: ```bash pip install mmcv-full --no-cache-dir --verbose > install.log 2>&1 ``` 常见问题: - **`mpi.h not found`** → 安装OpenMPI:`sudo apt-get install libopenmpi-dev` - **`nvcc fatal: Unsupported gpu architecture`** → 添加环境变量:`export TORCH_CUDA_ARCH_LIST="7.5;8.0"` ---
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