ubuntu 16.0.4 安装 cmake 3.17.2

参考:https://blog.youkuaiyun.com/king_700/article/details/105752062

0.如果系统有cmake,版本过低,先卸载

sudo apt remove cmake

1.先在官网(https://cmake.org/download/)下载cmake源代码cmake-3.17.2.tar.gz,注意是linux版的,别下错了 

2.解压

tar -xzf cmake-3.17.2.tar.gz

3.先安装依赖

sduo apt-get install build-essential libssl-dev

4.现在开始编译

cd cmake-3.17.2

./boostrap

make -j8

sudo make install

5.添加环境变量

vim ~/.bashrc

export PATH=/home/sick/Downloads/cmake-3.17.2/bin:$PATH

source ~/.bashrc

cmake --version
### 如何在 Ubuntu 16.04安装 TensorFlow-GPU #### 准备工作 确保已经正确安装了 NVIDIA 显卡驱动以及 CUDA 和 cuDNN 的相应版本。这些组件对于 TensorFlow-GPU 版本的支持至关重要[^5]。 #### 安装依赖库 为了使 TensorFlow 能够访问 GPU 性能统计信息,需先通过命令 `sudo apt-get install libcupti-dev` 来安装必要的支持包。 #### 使用 Pip 进行安装 可以通过 Python 的包管理工具 pip 来安装特定版本的 TensorFlow-GPU。例如: ```bash pip3 install --trusted-host pypi.org --trusted-host files.pythonhosted.org tensorflow-gpu==1.10.0 --user ``` 这条指令指定了信任的主机地址来绕过某些网络环境下的安全限制,并选择了具体的 TensorFlow-GPU 版本号进行安装。 另外,在其他资料中也提到了不同的 TensorFlow-GPU 版本,比如可以使用如下命令安装较早版本: ```bash sudo pip install tensorflow-gpu==1.2.0 ``` 或者是稍新的版本: ```bash pip install tensorflow-gpu==1.6.0 ``` 这取决于项目需求和个人偏好[^1][^2]。 #### 创建虚拟环境 (可选) 如果希望保持系统的整洁并减少不同项目的冲突风险,则建议创建一个新的 Python 虚拟环境再执行上述安装操作。这样做的好处是可以独立控制各个项目的依赖项而不影响全局设置[^4]。 #### 验证安装成果 完成以上步骤后,可通过运行简单的 Python 程序测试 TensorFlow 是否能够识别到本地存在的 GPU 设备: ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 这段代码会打印出所有被检测到的物理 GPU 列表;如果有任何输出则说明 TensorFlow 已经成功连接上了 GPU 并准备就绪[^3]。
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