Ubuntu16.04 配置GPU 深度学习环境

最新推荐文章于 2025-04-12 16:08:33 发布

「已注销」

最新推荐文章于 2025-04-12 16:08:33 发布

阅读量1.8k

点赞数

分类专栏：杂记文章标签： TensorFlow cuda9.0 ubuntu 16.04

杂记专栏收录该内容

1 篇文章

订阅专栏

本文介绍如何在Google云服务器上配置适用于深度学习的环境，包括Ubuntu16.04系统、Cuda9.0驱动、Cudnn7.1、Miniconda及TensorFlow GPU版本的安装步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要记录如何在 Google 云服务器上配置远程深度学习环境，对于单机同样也适用。

本文翻译自： TensorFlow_GPU+ubuntu16.04

服务器环境：

系统环境： Ubuntu 16.04

硬件环境： Intel(R) Xeon(R) CPU @ 2.30GHz 内存： 16G GPU: Tesla K80

安装完后具备的环境：

1. Ubuntu 16.04

2. cuda 9.0 驱动

3. miniconda 环境（python 3.6)

4. Tensorflow_gpu 版本

Step 0 : 在开始之前需要关闭 NVIDIA 驱动 nouveau

Method 1:

SSH 连接到服务器后，创建文件：

 vi /etc/modprobe.d/nouveau

在创建的文件中键入：

blacklist nouveau
options nouveau modeset=0

之后重启系统 reboot

系统启动后，确认 nouveau 已经关闭 (当输入以下命令后，没有任何反应，则表示已经关闭该驱动）：

lsmod | grep nouveau

Method 2:

在命令行中输入以下命令删除原生NVIDIA 驱动：

sudo apt-get purge nvidia*  
sudo reboot

Step 1 安装 Cuda 9.0

1）进行系统升级：

sudo apt-get update

2）安装相关依赖包

sudo apt-get install openjdk-8-jdk git python-dev python3-dev python-numpy python3-numpy build-essential python-pip python3-pip python-virtualenv swig python-wheel libcurl3-dev curl

3）安装NVIDIA 驱动

3.1 下载驱动：

curl -O http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

3.2 下载安装 key：

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub

3.3 安装下载的deb包：

sudo dpkg -i ./cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

3.4 采用 apt 方式安装cuda 9.0：

sudo apt-get update
sudo apt-get install cuda-9-0

3.5 安装完成后重启系统：

reboot

3.6 检测NVIDIA 显卡驱动是否安装：如果安装完成，则会看到GPU列表

nvidia-smi

Step 2 安装 Cudnn 7.1

1) 获得安装包 :

wget https://s3.amazonaws.com/open-source-william-falcon/cudnn-9.0-linux-x64-v7.1.tgz

2) 解压

sudo tar -xzvf cudnn-9.0-linux-x64-v7.1.tgz

3）将cudnn 文件拷贝到 cuda 安装目录 :

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

4）将cuda目录添加到 ~/.bashrc 中 :

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

5）更新 ~/.bashrc :

source ~/.bashrc

Step 3 安装 Miniconda 并创建 conda 环境

1) 下载miniconda 并安装 :

wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# press s to skip terms   

# Do you approve the license terms? [yes|no]
# yes

# Miniconda3 will now be installed into this location:
# accept the location

# Do you wish the installer to prepend the Miniconda3 install location
# to PATH in your /home/ghost/.bashrc ? [yes|no]
# yes

2）更新 ~/.bashrc ：

source ~/.bashrc

3）创建conda环境：

conda create -n tensorflow python=3.6

激活 conda 环境：

source activate tensorflow

4）安装 GPU 版本 TensorFlow：

pip install tensorflow-gpu

到这里基本上就安装完毕了，现在进行测试一下：

5）测试：

python 
import tensorflow as tf 
constant = tf.constant('Hello Tensorflow')
with tf.Session() as sess:
     print(sess.run(constant))

如果没有弹出错误，则表明该环境安装成功！