Ubuntu深度学习环境搭建

发表于 分类于 ， Valine： 本文字数： 2.9k

前言

上次搭建深度学习环境已经是很久以前了，但我还记得被其支配的恐惧，各种出错，各种版本对应不上，搞得我头皮发麻。这次因为系统奔溃需要重装系统，也就意味着我需要重新搭建Ubuntu的深度学习环境，我心里是一百个不愿意的。但也没有办法，只能硬着头皮上。但出乎意料，这次搭建过程还算顺利，只有在tensorflow运行出了点小状况(后面会提到)。本篇博客会详细记录我的整个搭建过程，说不定那天我的系统又被我玩崩溃了。先附上我的深度学习环境基本信息：

  • Ubuntu: 16.04
  • NVIDIA: GeForce GTX 1080TI
  • Driver Version: 430.40
  • CUDA: 10.0
  • cuDNN: 7.5.1
  • TensorFlow: 1.13.1

安装显卡驱动

禁用nouveau

打开终端输入：

sudo vim /etc/modprobe.d/blacklist.conf

在文件最后加上：

blacklist nouveau
options nouveau modeset=0

保存退出后输入命令：

sudo update-initramfs -u

然后重启电脑，接着输入命令：

lsmod | grep nouveau

若没有输出信息，说明禁用成功

安装驱动

首先去NVIDIA官网上下载对应的Linux版本的显卡驱动。

然后按Ctrl+Alt+F1进入命令行模式，输入用户名和密码

接着关闭图形界面：

sudo service lightdm stop

然后cd进去驱动所在的文件夹，获取权限：

sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run

安装驱动：

sudo ./NVIDIA-Linux-x86_64-410.78.run –no-x-check –no-nouveau-check –no-opengl-files
  • –no-x-check 安装驱动时关闭X服务
  • –no-nouveau-check 安装驱动时禁用nouveau
  • –no-opengl-files 只安装驱动文件，不安装OpenGL文件；安装了，如果是双显卡的话，会出现重复登录的问题

完成安装后启动图形界面：

sudo service lightdm start

最后在终端输入：

nvidia-smi

若有输出显卡信息，说明驱动安装成功

安装CUDA

下载CUDA10.0，下载地址：https://developer.nvidia.com/cuda-toolkit-archive

cd进入CUDA所在文件夹，赋予文件执行权限后安装

1
2
chmod +x cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run

开始安装后需要按空格键阅读条款，时间比较长，等不及的可以直接Ctrl+C跳过。阅读完使用条款后开始配置，一步一步慢慢来

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n（这里不要再安装驱动了！！！）

Install the CUDA 10.0 Toolkit?（是否安装CUDA 10 ，这里必须要安装）
(y)es/(n)o/(q)uit: y

Enter Toolkit Location（安装路径，使用默认，直接回车就行）
 [ default is /usr/local/cuda-10.0 ]:  

Do you want to install a symbolic link at /usr/local/cuda?（同意创建软链接）
(y)es/(n)o/(q)uit: y

Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: y

Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...（开始安装）

安装完成后加入环境变量

sudo gedit ~/.bashrc

最后一行加入：

1
2
3
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存退出后输入：

source .bashrc

最后终端输入：

nvcc --version

若输出CUDA版本信息说明安装成功

安装cuDNN

从 https://developer.nvidia.com/cudnn 上下载cudnn相应版本的压缩包（需要注册或登录）。

解压当前的.tgz格式的软件包

tar -xzvf cudnn-10.0-linux-x64-v7.5.1.10.tgz

解压后的文件夹名为cuda，文件夹中包含两个文件夹：一个为include，另一个为lib64。最好把这个cuda文件夹放在home目录下，方便操作。

将解压后的lib64文件夹关联到环境变量中：

sudo gedit ~/.bashrc

最后一行加入：

export LD_LIBRARY_PATH=/home/cuda/lib64:$LD_LIBRARY_PATH

保存退出后输入：

source .bashrc

最后一步就是将解压后的/home/cuda/include目录下的一些文件拷贝到/usr/local/cuda/include中。由于进入了系统路径，因此执行该操作时需要获取管理员权限：

1
2
3
4
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
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

完成cuDNN的配置

安装TensorFlow

这步比较简单，直接使用pip命令安装即可(我安装的是1.13.1版本)：

pip install tensorflow-gpu==1.13.1

然后进入交互式命令行看看是否安装成功：

import tensorflow as tf

接着就突然出现了FutureWarning警告信息，吓出我一身冷汗。我赶紧去网上查阅相关资料，看到有人说是因为numpy的版本是1.17太高了。我赶紧查看了我安装的numpy的版本，果然是1.17。于是我进行了降级安装，安装了1.16.4版本的numpy，最终问题得以完美解决。

0%