深度学习 GPU环境 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.

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，-：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镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/。

下载下来之后目录下会出现一个 Anaconda3-5.1.0-Linux-x86_64.sh 文件，然后直接执行即可安装：

1

bash Anaconda3-5.1.0-Linux-x86_64.sh

执行完毕之后按照默认设置走下来即可完成安装。

这里默认它会安装到用户目录下，如果想全局安装，可以在这一步输入你要安装的地址：

1

2

3

4

5

6

7

8

9

Anaconda3 will now be installed into this location:

/home/cqc/anaconda3

- Press ENTER to confirm the location

- Press CTRL-C to abort the Installation

- Or specify a different location below

[/home/cqc/anaconda3] >>> /usr/local/anaconda3

PREFIX=/usr/local/anaconda3

这里我指定了将其安装到 /usr/local/anaconda3 目录下，全局安装，所有用户共享，当然如果只想本用户使用的话使用默认配置即可。

安装完成之后添加 python3 和 pip3 的软链接：

1

2

sudo ln -s /usr/local/anaconda3/bin/python3 /usr/local/sbin/python3

sudo ln -s /usr/local/anaconda3/bin/pip /usr/local/sbin/pip3

这里是将软连接其添加到 /usr/local/sbin 目录下了，它默认会存在于环境变量中，因此可以直接调用。

当然也可以选择把 /usr/local/anaconda3/bin 目录添加到环境变量中，可以修改 ~/.bashrc 文件，添加如下内容：

1

export PATH=/usr/local/anaconda3/bin${PATH:+:${PATH}}

然后执行：

1

source ~/.bashrc

即可生效，下次登录时也会默认执行 ~/.bashrc 文件，也会生效。

接下来我们验证下 python3、pip3 命令是否都来自 Anaconda，命令如下：

1

2

pip3 -V

pip 9.0.1 from /usr/local/anaconda3/lib/python3.6/site-packages (python 3.6)

1

2

3

4

5

6

7

which python3

/usr/local/anaconda3/bin/python3

python3

Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19)

[GCC 7.2.0] on linux

Type "help", "copyright", "credits" or "license" for more information.

>>>

如果输入 pip3 和 python3 命令能出现如上类似结果，路径都在 /usr/local/anaconda3，就证明 Python 3 安装成功了。

安装驱动

首先查看一下自己的电脑需要怎样的驱动，我们可以先到 http://www.nvidia.com/Download/index.aspx 查询下我们需要的是怎样的驱动，这里我的显卡是 GTX 1080，所以以此为例说明，勾选好对应的配置：

点击 Search，可以看到查询结果如下所示：

1

2

3

4

5

Version:    390.25

Release Date:    2018.1.29

Operating System:    Linux 64-bit

Language:    English (US)

File Size:    77.48 MB

这里说明我们需要的版本是 390.25。

接下来如果我们之前安装了驱动的话，可以重新安装一下，如果当前已经安装好了就不必了。

如果要重装，需要首先卸载掉之前的显卡驱动：

1

sudo apt-get remove –purge nvidia*

运行之后 NVIDIA 的一些驱动就被卸载了。

这时候 nvidia-smi 等命令已经不能用了，这就证明显卡驱动已经被卸载了。

然后接下来添加一个 PPA 源，命令如下：

1

sudo add-apt-repository ppa:graphics-drivers/ppa

然后更新一下：

1

sudo apt-get update

随后重新安装显卡驱动：

1

sudo apt-get install nvidia-390

注意这里的 390 就是刚才我们查询出来的版本，以实际查询出来的版本为准。

CUDA 9.0

如果存在之前的旧版本，可以选择先卸载，以免和新的 CUDA 版本产生冲突，在 /usr/local/cuda/bin 目录下有一个 uninstallcuda*.pl 文件，可以直接运行卸载，命令如下：

1

sudo ./uninstall_cuda_*.pl

这样即可将 CUDA 全部卸载。

接下来我们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容 CUDA 9.1，所以不要下载 9.1，CUDA 9.0 的-是：https://developer.nvidia.com/cuda-90-download-archive，然后依次勾选好系统的版本，如图所示：

这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，然后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。

对应的下载命令是：

1

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

执行此命令，等待下载完成即可。

接下来执行安装，运行如下命令：

1

sudo bash cuda_9.0.176_384.81_linux-run

安装过程需要输入一些确认选项，过程如下：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

Description

The NVIDIA CUDA Toolkit provides command-line and graphical

tools for building, debugging and optimizing the performance

Do you accept the previously read EULA?

accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?

(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?

(y)es/(n)o/(q)uit: y

Enter Toolkit Location

[ default is /usr/local/cuda-9.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: y

Install the CUDA 9.0 Samples?

(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location

[ default is /home/cqc ]:

Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

最后如果出现这样的提示，就证明 CUDA 安装好了：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

Driver:   Not Selected

Toolkit:  Installed in /usr/local/cuda-9.0

Samples:  Installed in /home/cqc, but missing recommended libraries

Please make sure that

-   PATH includes /usr/local/cuda-9.0/bin

-   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.

To install the driver using this installer, run the following command, replacing with the name of this run file:

sudo .run -silent -driver

然后我们需要配置一下环境变量，更改 ~/.bashrc 文件，添加如下几行：

1

2

3

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export CUDA_HOME=/usr/local/cuda

修改完毕之后执行一下使其生效：

1

source ~/.bashrc

这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了：

1

2

3

4

echo $CUDA_HOME

/usr/local/cuda

echo $LD_LIBRARY_PATH

/usr/local/cuda/lib64

这样就代表环境变量生效了，CUDA 安装完成。

cuDNN 7.1

cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。

下载链接：https://developer.nvidia.com/rdp/cudnn-download，需要注册之后才能打开，这里我们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNN v7.1.1 Library for Linux，如图所示：

下载下来之后解压安装即可：

1

2

3

4

5

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件。

TensorFlow 1.6

到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.1 就已经安装好了，而且环境变量也配置好了，接下来我们直接安装 TensorFlow 1.6 即可，TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 做了优化，可以预构建二进制文件。

这里需要安装的是 TensorFlow 的 GPU 版本，命令如下：

1

pip3 install tensorflow-gpu==1.6.0

安装完成之后验证一下：

1

import tensorflow

如果没有报错，那就证明全部环境配置都成功了。

以上便是 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 完整环境配置过程。

深度学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。