Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Ubuntu 16.04 Cuda8.0 tensorflow-gpu

Ubuntu 16.04 Cuda8.0 tensorflow-gpu

作者头像
ke1th
发布于 2019-05-28 13:55:05
发布于 2019-05-28 13:55:05
1K0
举报

此教程 年代久远, 请移步 ubuntu16.04 安装 CUDA

此教程 年代久远, 请移步 ubuntu16.04 安装 CUDA

此教程 年代久远, 请移步 ubuntu16.04 安装 CUDA

此教程 年代久远, 请移步 ubuntu16.04 安装 CUDA

此教程 年代久远, 请移步 ubuntu16.04 安装 CUDA

11.09.2016 更新, 更新源之后,要进行upgrade

11.07.2016 更新 可能出现的错误

10.16.2016 更新

ubuntu 16.04 python 2.7 cuda7.5/Cuda8.0 tensorflow-gpu

最近在配深度学习的框架,配了一个星期,终于配好了,中间走了n条弯路。

下面开始介绍安装:

1-> : 准备工作:

  • 安装 sshserver : ubuntu默认是没有sshserver的,只有sshclientsudo apt-get install openssh-server openssh-client
  • 配置源,在国内最好使用国内源,因为下载速度快。国内源介绍
  • 只需将你想使用的源 添加到 /etc/apt/sources.list 文件头部即可
  • 然后sudo apt-get update
  • sudo apt-get upgrade
  • 安装依赖sudo apt-get install python-pip sudo apt-get install python-numpy swig python-dev python-wheel

sudo apt-get install git vim sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  • 这里我碰到了一个问题,使用国内源的话,安装的pip无论怎么更新,都是pip8.1.1,不是pip8.1.2,(使用pip-8.1.1的话,在之后安装tensorflow的时候会报错,所以需要升级到8.1.2)如何升级到pip8.1.2
  • 如果你用pip install软件的时候感觉速度很慢,你也可以设置一下pip源,(豆瓣源挺快的)cd $HOME mkdir .pip
  • cd .pip
  • sudo vim pip.conf 在里面添加 global index-url = http://mirrors.aliyun.com/pypi/simple install
  • trusted-host = mirrors.aliyun.com
  • disable-pip-version-check = true
  • timeout = 6000 保存即可

2->:安装nvidia驱动程序:

在这里我花了大概有3.4天的时间,被坑的不要不要的,主要一个问题就是安装完驱动之后 登陆时候一直卡在登陆界面进不去。到最后看到一个人提到了关闭Secury Boot,然后我就将其关了,才进去的。

  • 将nouveau加入黑名单sudo vim /etc/modprobe.d/blacklist.conf 将 blacklist nouveau加到文件最后
  • 重启电脑
  • 按Ctrl+Alt+F1进入命令行界面sudo service lightdm stop sudo rm /tmp/.X0-lock (删除此文件,如果本来就没有的话,就会报错)
  • 安装驱动sudo apt-get remove --purge nvidia-* sudo rm /etc/X11/xorg.cong sudo apt-add-repository ppa:graphics-drivers/ppa -y sudo apt-get update sudo apt-get install nvidia-367 nvidia-settings nvidia-prime sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev sudo ldconfig -n sudo update-initramfs -u
  • 重启电脑,就可以进入界面了, 如果进不去,进入BIOS启动页面,在Boot(或Security)中找到Security BOOT ,将其disable就可以了
  • 查看驱动nvidia-smi 会输出显卡信息

3-> 安装CUDA8.0

  • 官网下载 CUDA8.0 .run 文件
  • cuda7.5需要gcc-4.7 g++-4.7进行编译, 而Ubuntu默认是5.4版本,所以需要降版本, cuda8.0的话不需要降级sudo apt-get install gcc-4.7 g++-4.7 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.7 10 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.7 10 10 代表优先级, 高的优先
  • 安装CUDA7.5,安装时会提示 unsorported configuration ,不用理会, 还会询问你要不要装显卡驱动选择n就可以了。 chmod +x cuda7* sudo ./cuda7*
  • 配置CUDA环境~$ sudo vim .bashrc 文件尾加入 export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 保存退出 然后执行: source .bashrc
  • 测试
  • cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery make sudo ./deviceQuery 再测试试一下nobody: cd ../../5_Simulations/nbody/ make 执行: ./nbody -benchmark -numbodies=256000 -device=0

4->安装cudnn4.0 安装cudnn5.1(官方tensorflow0.10.0 是用cuda7.5 和cudnn5.1编译的)

  • 官网下载 点击打开链接
  • 使用tar -zxvf filename 解压
  • 配置cudnnsudo 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*

5->安装bazel(如果你不打算编译源码安装tensorflow的话,是不需要安装bazel的。我们这里不使用源码安装tensorflow。)

  • 安装bazel需要先安装java8$ sudo add-apt-repository ppa:webupd8team/java $ sudo apt-get update $ sudo apt-get install oracle-java8-installer
  • 安装bazel$ echo "deb arch=amd64 http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list $ curl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add - $ sudo apt-get update && sudo apt-get install bazel $ sudo apt-get upgrade bazel
  • bazel命令需要工作在workspace文件夹或其子文件夹下

6->安装tensorflow

7->可能出现的错误:

  • 如果更新了 nvidia驱动之后报错(更新之前运行正常),可以尝试安装
  • sudo apt-get install nvidia-modprobe
  • 如果使用pycharm的话,进入pycharm根目录的bin/,打开pycharm.sh,然后在第180行左右插入LD_LIBRARY_PATH="/usr/local/cuda/lib64" #需要增加 LD_LIBRARY_PATH="$IDE_BIN_HOME:$LD_LIBRARY_PATH" "$JAVA_BIN"

报错信息:

failed call to cuInit: CUDA_ERROR_UNKNOWN in python programs using Ubuntu bumblebee

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016年09月16日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
ubuntu16.04 显卡驱动与cuda安装
摘要总结:本文主要介绍了在Ubuntu 16.04上配置Nvidia显卡驱动的方法,包括安装前的准备、下载驱动、安装驱动和配置环境。同时,还介绍了如何安装CUDA和Cudnn,以及如何在Ubuntu 16.04上安装Bazel构建C++项目。
ke1th
2018/01/02
2.4K0
TensorFlow开发环境搭建(Ubuntu16.04+GPU+TensorFlow源码编译)
作者:刘才权 编辑:田 旭 安装平台 1 平台 目前TensorFlow已支持Mac、Ubuntu和Windows三个主流平台(64位平台), 2 GPU vs CPU 在安装时可以选择安装版本是否
机器学习算法工程师
2018/03/06
1.8K0
TensorFlow开发环境搭建(Ubuntu16.04+GPU+TensorFlow源码编译)
GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow
GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow 安装指导
CreateAMind
2018/07/25
8480
GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow
双显卡笔记本安装CUDA+theano、tensorflow环境
原文出处:http://www.cnblogs.com/jacklu/p/6377820.html
用户7043923
2020/03/12
8730
caffe+GPU︱AWS.G2+Ubuntu14.04+GPU+CUDA8.0+cudnn8.0
该文介绍了如何利用深度学习算法来进行文字摘要。作者介绍了两种方法:基于抽取式的方法和基于生成式的方法。基于抽取式的方法是通过对原始文本进行预处理,抽取关键信息,然后使用深度学习模型进行学习。基于生成式的方法是通过对原始文本进行编码,生成新的文本,然后使用深度学习模型进行预测。作者还介绍了如何利用注意力机制来提高模型的性能。最后,作者提供了一些在自然语言处理领域的应用示例。
悟乙己
2018/01/02
1.2K0
caffe+GPU︱AWS.G2+Ubuntu14.04+GPU+CUDA8.0+cudnn8.0
Ubuntu18.04完美搭建Tensorflow-gpu
Persist in sharing and promote mutual progress
公众号guangcity
2019/09/20
3.4K0
Ubuntu18.04完美搭建Tensorflow-gpu
安装GPU加速的tensorflow 卸载tensorflow
Ubuntu 16.04 + cuda9.0 + cudnn7.0 或 Ubuntu 16.04 + cuda8.0 + cudnn5.1
全栈程序员站长
2022/06/25
1.1K0
安装GPU加速的tensorflow 卸载tensorflow
Ubuntu 16.04下为TITAN 1080 显卡安装驱动及Gpu版TensorFlow|深度学习
近来入坑了TITAN 1080显卡,在Ubuntu 16.04下为装好驱动以使用Gpu版TensorFlow可不简单,踩了许多坑之后写下此篇为记录。 下载Cuda 按装官方教程,我们可以应该安装Cu
陆勤_数据人网
2018/02/28
1.5K0
Ubuntu 16.04下为TITAN 1080 显卡安装驱动及Gpu版TensorFlow|深度学习
如何在ubuntu 16.04 下安装 Tensorflow
如果系统没有安装 gcc 则会提示 command not found。这时要先安装 gcc。
流川枫
2018/11/07
1.6K0
Ubuntu 安装 tensorflow-gpu 1.4 +CUDA 8.0 +cuDNN详细教程
作者 | fendouai 编辑 | 磐石 出品 | 磐创AI技术团队 【磐创AI导读】:本文详细介绍了tensorflow-gpu在Ubuntu下的安装步骤。欢迎大家点击上方蓝字关注我们的公众号:磐创AI。 硬件环境:NVIDIA GTX 980 Ti 系统环境:Ubuntu 16.04 64位 一.安装 NVIDIA驱动 1. 关闭 Secure Boot 具体如何禁用 BIOS 中的 Secure Boot 要根据主板的情况。 以华硕主板的禁用方法为例: 首先进入 BIOS,然后选择 Boot ,
磐创AI
2018/07/03
1.5K0
Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建
前言 之前写过cuda环境的搭建文章, 这次干脆补全整个深度学习环境的搭建. ---- 开发环境一览 CPU: Intel core i7 4700MQ GPU: NVIDIA GT 750M
sean_yang
2019/03/15
2K0
Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建
深度学习指南:基于Ubuntu从头开始搭建环境
原文标题:Setting up a Deep Learning Machine from Scratch (Software) 原文链接:https://github.com/saiprashanths/dl-setup 译者:刘翔宇 审校:赵屹华 责编:周建丁(zhoujd@csdn.net) 这是一篇为机器搭建深度学习研究环境的详细指南,包括驱动程序、工具和各种深度学习框架的安装指导。在64位Ubuntu 14.04的机器上使用Nvidia Titan X进行测试。 还有一些有类似目的的指南。一些内
用户1737318
2018/06/06
8370
ubuntu16.04 cuda9.0 cudnn Tensorflow GPU 1.10.0
apt-get update && apt-get dist-upgrade reboot do-release-upgrade
用户1148525
2019/05/26
5750
Ubuntu 16.04+CUDA7.5+Caffe深度学习环境搭建
详细介绍在Ubuntu 16.04下搭建CUDA7.5+Caffe深度学习环境的过程步骤。
用户8705039
2021/06/08
1.1K0
深度学习GPU环境Ubuntu16.04+GTX1080+CUDA9+cuDNN7+TensorFlow1.6环境配置
本节详细说明一下深度学习环境配置,Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6。 Python 3.6 首先安装 Python 3.6,这里使用 Anaconda 3 来安装,下载地址:https://www.anaconda.com/download/#linux,点击 Download 按钮下载即可,这里下载的是 Anaconda 3-5.1 版本,如果下载速度过慢可以选择使用清华
崔庆才
2018/04/08
2.1K0
深度学习GPU环境Ubuntu16.04+GTX1080+CUDA9+cuDNN7+TensorFlow1.6环境配置
Ubuntu 14.04下CUDA8.0 + cuDNN v5 + Caffe 安装配置
分享在Ubuntu 14.04下CUDA8.0 + cuDNN v5 + Caffe  安装配置过程。
知忆
2021/06/06
6050
tensorflow0.10.0升级到tensorflow.011.0
(3). 安装cuda8.0, 已有的不需要安装 官网下载cuda8.0,网速慢的话
ke1th
2019/05/26
8460
Ubuntu16.04下Nvidia+Cuda8.0+Dynet安装教程
Ubuntu16.04下Nvidia+Cuda8.0+Dynet安装教程 - WeiYang Bloggodweiyang.com
godweiyang
2020/03/24
6740
Ubuntu16.04下Nvidia+Cuda8.0+Dynet安装教程
TensorFlow下载与安装
TensorFlow简介 TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。 TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域,对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在
xiangzhihong
2018/02/08
2.1K0
TensorFlow下载与安装
Ubuntu16.04安装Pytorch+CUDA
近年来,Pytorch深度学习框架由于其构建网络结构简单、入门门槛较低,越来越受到深度学习开发者的青睐,它与TensorFlow不同在于Pytorch是一个动态的框架,不需要一开始就定好了网络的架构,在运行期间可以边调试边修改,而TensorFlow则反之,这样带来的好处是开发者不需要一开始明确所构建网络的结构,可以慢慢学习找到更合适的结构,就好比在建筑工地的实地考察的工程师,工人们每搭一堵墙都会过来询问下一步要做什么,而TensorFlow就好比在办公室画图纸的建筑师,在施工之前就设计好整栋大楼的结构,而且设计时候也不会有人打扰,当然效率就比Pytorch要高了。
forrestlin
2018/11/13
6K0
相关推荐
ubuntu16.04 显卡驱动与cuda安装
更多 >
LV.1
这个人很懒,什么都没有留下~
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档