安装之前的准备：
-
确认自己的显卡是否支持 cuda，否则无法安装。
打开终端输入：lspci | grep -i nvidia可查看显卡信息。
如果自己的显卡在右侧链接的列表里，则可安装：支持CUDA的显卡表单 -
CUDA需要特定的系统版本支持：
查看系统版本：uname -m && cat /etc/*release 输出x86_64表示是64位系统；
查看gcc版本：gcc --version 如果版本过高可能安装cuda失败；
查看系统内核版本：uname -r 不是4.4版本也可以；
安装与内核版本一致的头文件和开发包：sudo apt-get install linux-headers-$(uname -r)
（如果多次安装cuda失败，可以考虑降低 gcc 和 内核 版本，最好和表中一致。）
一、安装显卡驱动
- （可跳过）查找自己的显卡对应的驱动版本：NVIDIA驱动
- ppa源安装驱动（384版本，cuda9.0默认版本）：
sudo add-apt-repository ppa:graphics-drivers/ppa #回车继续
sudo apt-get update
sudo apt-get install nvidia-384 #最好安装384版本，因为cuda9.0默认就是384
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
之后重启系统：reboot
- 检查安装：
nvidia-smi #若出现电脑GPU列表，即安装成功
#或者
nvidia-settings #显示你的显卡信息
此外，如果想重装要先卸载：
sudo apt-get remove --purge nvidia*
sudo apt autoremove
二、安装CUDA9.0
- 下载 cuda9.0 安装包：官方下载链接
- 进入下载目录，在终端打开，输入：
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
- 将 cuda添加到环境变量。重新在桌面打开一个终端，输入：
gedit .bashrc # 打开配置文件
在文件最后添加：（具体路径以自己的为准）
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/
然后运行：
source .bashrc
- 检验 cuda 是否安装成功，命令如下：
nvcc -V
这里只是确认 cuda 是否安装成功，不代表一定能和GPU正确连接。
- 测试cuda是否正确工作（推荐）：
进入 /usr/loca/cuda-9.0/bin/ 打开终端，输入cuda-install-samples-9.0.sh ./在当前文件夹下安装samples，如果无法写入先获取当前文件夹权限；
然后进入NVIDIA_CUDA-9.0_Samples文件夹输入make进行编译；
编译完成后，进入
/usr/local/cuda/bin/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release 打开终端：
./deviceQuery #查看是否安装成功
./bandwidthTest #查看显卡和cuda是否连接成功
如果输出检测不到设备，建议重新安装384版本的驱动。
三、安装cuDNN（7.2以上版本）
- cuDNN官方下载地址：点击这里
需要注册成为开发者，免费注册即可下载。
- 下载与cuda9.0对应的7.2以上版本cuDNN：
下载上图四个文件。
- 进入下载目录，打开终端，输入：
tar -xzvf cudnn-9.0-linux-x64-v7.5.0.56.tgz #解压包
#将解压后的文件拷到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*
- 继续输入：
sudo dpkg -i libcudnn7_7.5.0.56-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda9.0_amd64.deb
3、4两步有重复的地方，如果不想进行第5步验证，可以不做第四步。
- 验证：
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
输出 Test passed! 表示cuDNN安装成功并正确运行。
此外，更换cudnn版本，需要按上述步骤装完后修改软链接:参考文章
四、安装Anaconda
-
去清华镜像拉到最下面下载Linux版本的Anaconda3：下载地址
比如：Anaconda3-5.3.1-Linux-x86_64.sh -
进入下载目录，在终端打开，输入：
bash Anaconda3-5.3.1-Linux-x86_64.sh
全程 [回车+yes]，最后一步询问是否安装 VSCode，输入 no
重新打开终端，输入conda检验安装。
- 更换源，终端输入：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
- 检查Python版本，终端输入：
python --version
应该是3.7版本。
五、安装TensorFlow-GPU
- 创建python3.6虚拟环境，终端输入：
conda create -n tensorflow pip python=3.6 #创建虚拟环境
conda activate tensorflow #激活环境
- 安装 tensorflow-gpu：
pip install --upgrade tensorflow-gpu==1.12.0
- 测试：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
安装完成！
网友评论