Ubuntu16.04 搭建 gtx1080+cuda9.0+cudnn7.0+tensoeflow+caffe+anaconda5.0

本文详细介绍如何在Ubuntu16.04上搭建包含GTX1080显卡、CUDA9.0、cuDNN7.0.5、TensorFlow和Caffe的深度学习环境。涵盖显卡驱动、CUDA、cuDNN的安装配置,以及通过Anaconda管理Python环境。

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

配置需求
硬件平台:
1个GTX1080显卡
软件配置:
ubuntu16.04+cuda9.0+cudnn7.0.4
开发环境预配置:
anaconda5.0+tensorflow1.5.0+opencv3.4.1+caffe+


程序编辑环境

 vscode+pycharm+sublime text3+


其他软件配置:
远程:teamviewer
使用说明:

创建新用户:参考网址:
1. ubuntu 14.04 添加、删除用户,修改用户名称,修改主机名
   https://blog.youkuaiyun.com/qq_31456593/article/details/79247366
2. ubuntu中管理用户和用户组
   http://www.cnblogs.com/vincedotnet/p/4017574.html
1.添加用户
sudo adduser username
2.按步骤填写账户信息
3.为用户添加sudo权限
sudo usermod -a -G adm username
sudo usermod -a -G sudo username
4.若删除用户
sudo userdel username
cd /home/
sudo rm -r username
5.查看所有用户和用户组:
cat /etc/passwd
cat /etc/group




安装显卡驱动:
1.使用如下命令添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
  2.寻找合适的驱动版本
ubuntu-drivers devices
3.安装好最新的驱动( 此方法比较慢 ,但是出错概率更小)
sudo apt-get install nvidia-390
4.重启
sudo reboot
5.执行下面的命令,查看驱动的安装状态
sudo nvidia-smi
sudo nvidia-settings




参考网址:
1. Ubuntu16.04搭建GTX1080+CUDA9.0+cuDNN7.0.4+Tensorflow1.6.0环境
   https://blog.youkuaiyun.com/weixin_41864878/article/details/79621210

安装cuda9.0
1.安装cuda9.0 (默认是安装在/usr/local/cuda)在cuda_9.0.176_384.81_linux.run文件目录下输入
sudo sh cuda_9.0.176_384.81_linux.run (注释:cuda_9.0.176_384.81_linux.run为手动下载的文件)
  长按空格键读完用户需知后
accept
随后处理注意cuda自带的显卡驱动和cuda simples选择no外,其他均为yes。(有安装目录和安装项目选择)
2.安装完毕之后,声明环境变量,终端输入
sudo gedit ~/.bashrc
在bashrc文件最后加上(前面cuda9.0安装目录对应的地址,留意前面安装地址)
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}
保存退出
source ~/.bashrc
然后同样声明全局环境变量,终端输入
sudo gedit /etc/profile
同样在profile文件的最后加上
exporxt PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 
保存退出,reboot一下
3.
验证驱动版本:cat /proc/driver/nvidia/version
验证CUDA版本: nvcc -V
安装cuDNN7.0.5
1.下载 cudnn-9.0-linux-x64-v7.tgz
2.在下载路径解压文件,复制到本地路径,这里解压出来的文件名比较重要,后面会要对照着看
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
生成: cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.0.5
cuda/lib64/libcudnn_static.a


3.到本地cuda路径,创建软连接,终端输入,这里的文件名就参照之前解压出来的文件名对照着写,就算和我下的不是一个版本也能搞定啦
sudo cd /usr/local/cuda/lib64 
sudo chmod +r libcudnn.so.7.0.5
sudo ln -sf libcudnn.so.7.0.5 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so

sudo ldconfig 

4.    检查安装是否成功

在本地cuda路径检测一下:

   $ ll

出现cuDNN对应的版本号就证明安装成功啦:

  1. lrwxrwxrwx 1 root root 13 319 16: 02 libcudnn.so -> libcudnn.so .7*
  2. lrwxrwxrwx 1 root root 17 319 16: 02 libcudnn.so .7 -> libcudnn.so .7 .0 .5*
  3. -rwxr-xr-x 1 root root 287641664 319 16: 00 libcudnn.so .7 .0 .5


参考网址:

1.Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程

    https://blog.youkuaiyun.com/seniusen/article/details/78474929
2.Ubuntu16.04 Caffe 安装步骤记录(超详尽)
    https://blog.youkuaiyun.com/baobei0112/article/details/77996369
3.基于ubuntu16.04系统下OpenCV源码安装及无法import cv2

    https://blog.youkuaiyun.com/tengxing007/article/details/54380732

4.Ubuntu16.04 上openCV的卸载与 opencv3.0.2安装记录

    https://blog.youkuaiyun.com/qiaoji6073/article/details/7657280


Caffe+Anaconda+TensorFlow+
安装Anaconda(默认安装路径为/home/zhong/anaconda3)
       1.bash Anaconda3-5.1.0-Linux-x86_64.sh
后面均输入为yes,除了有一个...code的选择no
       2.测试:
conda list
       3. 若conda不可用# 将anaconda的bin目录加入PATH,根据版本不同,也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
    4.卸载:(非必需)
    rm -rf /home/zhong/anaconda3
参考网址:
1. 安装教程:使用Anaconda创建caffe和tensorflow共存环境
  https://blog.youkuaiyun.com/primezpy/article/details/78819249
2. 深度学习服务器环境搭建详细版(Ubuntu16.04+CUDA8+Caffe+Anaconda+TensorFlow+共享)
  https://blog.youkuaiyun.com/babytang008/article/details/78631776
3. 用conda创建python虚拟环境
https://blog.youkuaiyun.com/lyy14011305/article/details/59500819
4. 致Python初学者:Anaconda入门使用指南
  https://www.cnblogs.com/jpfss/p/8455225.html

5.Anaconda 4.2 ---conda使用(Windows),conda常用命令,conda   常用命令

6.anaconda安装与常用命令及方法(深度学习入门1)

https://www.cnblogs.com/hgl0417/p/7623789.html

6. Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程
  https://blog.youkuaiyun.com/seniusen/article/details/78474929
7. Ubuntu16.04 Caffe 安装步骤记录(超详尽)
https://blog.youkuaiyun.com/baobei0112/article/details/77996369
caffe和tnsorflow 共存安装,(这里主要参考:1,2,3,4),   建议为 caffe 和tensorflow 单独配置虚拟环境
前言:如果先安装了tensorflow,那么你别想再安装上caffe了,因为在import caffe的时候,你会遇到如下报错
1、创建虚拟环境:我们先创建一个用于caffe和tensorflow共存的虚拟环境:
conda create -n caffe-tf python=3
2.直接回车,安装即可。安装好后,进入到caffe-tf虚拟环境:
source activate caffe-tf
安装caffe-gpu:
        3.安装caffe-gpu:我们先安装caffe,一定要先安装caffe!
(此方法还可以安装其他包conda install ,查看包conda list,conda常用命令)
(conda 1.参考Anaconda安装与常用命令及方法(深度学习入门1,Anaconda 4.2 ---conda使用(Windows))
        (conda 2.Conda常用命令整理,Anaconda+用conda创建python虚拟环境)
conda install caffe-gpu
4.降低protobuf版本:经过一定时间的等待,caffe-gpu安装完成。我们接下来,降低protobuf的版本为3.2。因为只有这样,  caffe和tensorflow才能不冲突。执行:
conda install protobuf=3.2
直接回车,将protobuf降级为3.2
安装tensorflow-gpu
5.做好上面几步之后,我们就可以直接安装tensorflow-gpu了。
conda install tensorflow-gpu
6.开另一个终端,进入环境测试:
列举当前所有环境
conda info --envs

conda env list

 #conda remove -n your_env_name  #移除环境(选用)



进入某个环境
source  activate caffe-tf    #(注:your_env_name)

进入python,检测:
python
import tensorflow
import caffe
         退出环境:
source deactivate
7.回到刚才的终端,激活虚拟环境,退出环境
source caffe-tf #(注:your_env_name),激活环境
source deactivate # 退出环境
#pycharmn中测试:
setting->Project->Project Interpreter->Python 3.6(caffe-tf) ~/anaconda3/encvs/caffe-tf/bin/python

首先的感谢以上参考文献的博客博主!!!

装了几天,虽然一开始就已经装好了,但是发现二次装的时候经常出问题,所以把这逻辑大致写下来,以便以后再次装,

补充内容很重要:需要安装多个环境时,可能会遇到的坑,比如caffe 与tensorflow ,pytorch, 共存时会发现,cudnn ...等版本冲突,

然后建议为创建多个虚拟环境(conda create -n caffe python=3.6),分别进入该虚拟环境安装(source  activate caffe):conda install caffr-gpu, 这样可以避免很多坑.

参考:https://blog.youkuaiyun.com/lyy14011305/article/details/59500819

例如:conda create -n caffe python=3.6  和conda create -n tensorflow python=3.6


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