ubuntu16.0.4+nvidia驱动+anaconda3+cuda9.0+tensorflow1.9.0+cudnn7.1.2

本文详细介绍了如何在Ubuntu 16.04上安装双系统、Anaconda3、Nvidia驱动、CUDA 9.0、TensorFlow-GPU 1.9.0及cudnn7.1.2。首先通过UltraISO制作Ubuntu安装U盘,然后安装Anaconda3,接着禁用第三方驱动并安装Nvidia驱动,再安装CUDA,配置环境变量。最后,安装TensorFlow-GPU并测试成功。

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

1.安装双系统(在window系统下制作)

准备一个空u盘,确保里面没有任何文件

到ubuntu的官网下载镜像(推荐16.0版本,比较稳定)

下载制作安装U盘的软件UItralISO

将U盘插入电脑,安装UItralISO软件并打开

为ubuntu分配空间

禁用win10快速启动

重启电脑,出现LOGO时一直按F2(不同类型的笔记本进入BIOS方式不同,自行百度,这里演示的是神舟笔记本):

2.安装anaconda3

下载anaconda安装包:

在命令行中安装下载的.sh文件:

测试安装情况:

3.安装Nvidia driver

查看显卡型号:

下载对应版本的驱动:

禁止第三方驱动:

检测禁用是否成功:

开始安装驱动:

检测驱动是否安装成功:

4.安装cuda9.0

cuda下载(推荐9.0版本,使用run方式安装):

配置环境变量:

检测cuda是否安装成功:

attention:

5.安装tensorflow-gpu 1.9.0

查看tensorflow-gpu的可用版本号:

创建虚拟环境(YOUR_ENVS_NAME是创建的环境名,自己指定):

激活该环境:

添加conda国内镜像(加快下载速度):

下载tensorflow-gpu:

6.安装cudnn7.1.2

下载tensorflow-gpu时会自动安装对应的cudnn库,但是版本比较高可能出现问题,建议移除重新安装。

查看可用的cudnn版本号:

7.tensorflow CUDA cudnn 版本对应关系(仅供参考)

8.测试tensorflow-gpu:

在home目录下创建test.py文件:

编辑文件内容:

执行test.py文件:

输出结果:


 

不要着急敲命令,先浏览一遍~~

1.安装双系统(在window系统下制作)

参考:https://blog.youkuaiyun.com/u011680118/article/details/90740181

  • 准备一个空u盘,确保里面没有任何文件

  • 到ubuntu的官网下载镜像(推荐16.0版本,比较稳定)

        http://releases.ubuntu.com/16.04/

  • 下载制作安装U盘的软件UItralISO

http://www.ezbsystems.com/ultraiso/download.htm

选择简体中文下载即可:

  • 将U盘插入电脑,安装UItralISO软件并打开

选择“文件->打开”,找到你下载的ubuntu镜像(.iso)文件,点击“启动->写入硬盘映像”:

点击“格式化”(分配单元大小不一定是4096字节,可以选择最大的),点击“开始”:

格式化完成之后,点击“关闭”,回到写入硬盘镜像窗口,点击“写入”(警告窗口点击“是”):

当日志中显示“刻录成功”说明U盘制作完成。

  • 为ubuntu分配空间

win+x,选择磁盘管理

选择剩余空间较大的可分配磁盘(例如E盘),右键并选择“压缩卷”,输入准备分配的空间大小(建议50G或以上,这里分配100G)。点击“压缩”之后,E盘后部出现黑色的100G“未分配空间”,用来给ubuntu使用;至此,磁盘分区过程完成。

  • 禁用win10快速启动

win+x,选择“电源选项”:

取消选择“启用快速启动”。最后点击“保存修改”。

  • 重启电脑,出现LOGO时一直按F2(不同类型的笔记本进入BIOS方式不同,自行百度,这里演示的是神舟笔记本):

检查security boot是否关闭,需要关闭,即修改为“disable"(大部分机器是关闭的,可以跳过此步骤)。插入U盘,重启电脑,一直按F2,进入BIOS,选择”security manager“,选择自己的U盘,回车之后进入到如下页面:

在这里不要直接点install ubuntu!!!!按键移到 Install Ubuntu 选项,键盘按e, 进入命令行模式,编辑文本,在倒数第二行末尾的 quiet slash ---后面(也可能没有 – ),添加以下内容:

acpi_osi=linux nomodeset

保存后回到上面界面,按回车执行 Install Ubuntu 命令,这时候可以顺利进入安装界面。设置好一些基本的引导信息后就结束了。

至此,双系统安装完毕。


### 如何在 Ubuntu 16.04 上安装 TensorFlow-GPU #### 准备工作 确保已经正确安装了 NVIDIA 显卡驱动以及 CUDAcuDNN 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 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