深度学习主机环境配置

98 阅读 0 评论 65 点赞

我是靠谱客的博主认真鲜花，最近开发中收集的这篇文章主要介绍深度学习主机环境配置，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1.安装Ubuntu16.04

2.更新软件

（1）输入命令 sudo apt update

（2）输入命令 sudo apt upgrade

（3）执行期间命令行询问是否下载Y/n，输入Y确认下载，系统将下载软件包并配置，等待时间视乎需要安装德数量和网速，下载过程中有百分比进度提示

（4）更新后再次执行命令 sudo apt upgrade

（5）当出现下图证明软件已经全部更新

3.安装1080TI显卡驱动

（1）系统设置--软件更新--附加驱动--选择nvidia384

（2）输入命令 nvidia-smi ，可以看到具体的驱动信息，如图所示：

4.安装ssh

输入命令 sudo apt-get install openssh-server

5.安装CUDA8.0和CUDNN

链接：https://pan.baidu.com/s/1mjDIfJM 密码：f2cx

（1）安装CUDA8.0

输入命令：

sudo dpkg -i /home/yqy/下载/cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

sudo dpkg -i /home/yqy/下载/cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get upgrade cuda

然后在 ~/.bashrc 中设置环境变量：

sudo vi ~/.bashrc

(i 命令进入编辑模式（在光标前面插入），a命令进入编辑模式(在光标后插入），o命令进入编辑模式（在光标下一行插入），修改即在非编辑模式下，将光标移到要删除的字符上，按x即可删除。)

在最后添加：

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

(escape是键盘上的esc键，作用是从编辑模式下切换到命令模式下面。：w保存，：wq保存并退出vi编辑器)

运行 source ~/.bashrc 使其生效

（2）安装CUDNN

输入命令：

tar -zxvf /home/yay/下载/cudnn-8.0-linux-x64-v6.0.tgz

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

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

没有报错就是全部安装完成了。

6.安装Tensorflow GPU 1.4

(1)安装Anaconda

下载地址：https://www.anaconda.com/download/

这里我们下载Python3.6 64bit 的Anaconda4.4.0，然后安装，输入：bash /home/yqy/下载/Anaconda3-4.4.0-Linux-x86_64.sh, 接下来我们会看到安装提示，直接按回车键确认进入下一步。然后会进入Anaconda的License 文档，这里直接按q键跳过，然后输入yes确认。下面的这一步会让我们输入anaconda3的安装路径，没有特殊情况的话，我们可以按回车键使用默认路径，注意一定要记住你的安装路径，因为下面的环境配置要用到这个路径。我的默认安装路径位/home/yqy/anaconda3。安装完成之后要重启终端才能生效。输入python 进行python环境，然后输入import scipy，没有报错则安装成功。

(2)在Anaconda中安装TensorFlow GPU 1.4

conda create --name tf python=3.6 #创建tf环境

source activate tf #激活tf环境

然后按照下一步来，不然就像我一样死的很惨，后面会说怎么死

pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.1-cp36-cp36m-linux_x86_64.whl

source deactivate tf #退出tf环境

（conda remove --name tf --all #删除tf环境（全部删除））

(3)测试安装正确性

命令行下：

source activate tf

python

输入以下代码：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

如果没报错，即成功！

我运行程序，发现错误

看样子是我还没有安装好cuda所致，测试之时发现依然报上面的错。libcudart.so.9.0没找到，我先在磁盘上查找这个文件，果然没有，应该是我的cuda版本低了吧，cd/usr/local/cuda/lib64, 然后果然发现了libcudart.so.8.0，而不是 libcudart.so.9.0，因为一开始我安装pip install --ignore-installed --upgrade tensorflow-gpu，tensorflow版本高了，我就去清华源上下载对应的。https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/ 。然后我不停的在纠结版本，一会1.4.0低了，一会1.5.0高了，最后好不容易下对应的版本，