深度学习环境搭建(Ubuntu16.04+GTX1080Ti+CUDA8.0+Cudnn6.0+TensorFlow+Caffe2(Pytorch))
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了深度学习环境搭建(Ubuntu16.04+GTX1080Ti+CUDA8.0+Cudnn6.0+TensorFlow+Caffe2(Pytorch)),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含5281字,纯文字阅读大概需要8分钟。
内容图文
OS System:Ubuntu16.04
GPU Device:GTX1080Ti
Softwares:CUDA8.0、Cudnn6.0、TensorFlow(1.4.0)、Caffe2(1.0.0)
一、win10下安装Ubuntu16.04(双系统)
1、Linux分区方案
(Lagency+MBR) /boot 512M swap 16GB(本机物理内存为32GB) / 30GB or 35GB /home 余下的(越多越好) (UEFI+GPT) efi 512M swap 16GB(本机物理内存为32GB) / 30GB or 35GB /home 余下的(越多越好) swap大小设置参考: 4GB of RAM requires a minimum of 2GB of swap space 4GB to 16GB RAM requires a minimum of 4GB of swap space 16GB to 64GB of RAM requires a minimum of 8GB of swap space 64GB to 256GB of RAM requires a minimum of 16GB of swap space
2、系统引导
Lagency+MBR:win10下使用EasyBCD添加Ubuntu引导(Grub2)
UEFI+GPT:开机按快捷键选择BOOT Menu;使用Ubuntu的Grub引导;win10下使用rEFInd引导多系统
* win10下使用rEFInd步骤:
1. 官网下载zip包
2. 打开管理员命令行
3. 输入 mountvol x: /s (挂载ESP分区到x盘)
4. 把压缩包内refind文件夹复制到 x:\EFI 目录下
5. 把x:\EFI\refind\refind.conf-sample重命名为refind.conf
6. 命令行输入 bcdedit /set {bootmgr} path \EFI\refind\refind_x64.efi
7. 重启电脑
ref: https://blog.csdn.net/qf0129/article/details/78143749
二、显卡驱动、CUDA及Cudnn安装
1、安装GTX1080Ti显卡驱动
0)到NVIDIA官网查询适配的显卡驱动版本信息或下载
1)禁用自带显卡驱动nouveau
sudo gedit /etc/modprobe.d/blacklist.conf add in the last line: blacklist nouveau sudo update-initranfs –u reboot lsmod | grep nouveau //make sure nouveau is disabled, nothing will be printed out
2)run文件安装 或 命令行安装
#1 run文件安装
sudo apt-get remove --purge nvidia-* cd Downloads sudo service lightdm stop ctrl + alt + f1, login by name and passwd sudo chmod a+x NVIDIA-Linux-x86_64-375.26.run sudo ./NVIDIA-Linux-x86_64-375.26.run --no-x-check --no-nouveau-check --no-opengl-files // –no-opengl-files 只安装驱动文件,不安装OpenGL文件,不加会导致循环登录 –no-check 安装驱动时不检查X服务,可省略 –no-nouveau-check 安装驱动时不检查nouveau,可省略 sudo service lightdm start
#2 命令行安装(推荐)
sudo apt-get remove --purge nvidia-* sudo service lightdm stop ctrl + alt + f1, login by name and passwd sudo add-apt-repository ppa:graphics-drivers sudo apt-get update sudo apt-get install nvidia-375 sudo service lightdm start
2、安装CUDA8.0及Cudnn6.0
ref: https://www.cnblogs.com/wmxfd/p/installation_of_nvidia_graphics_driver_and_cuda8_and_cudnn6.html
三、TensorFlow安装
1、使用virtualenv虚拟环境安装,避免影响系统自带Python环境,使用Python3
/home目录下: sudo apt update sudo apt install python3-dev python3-pip sudo pip3 install -U virtualenv # system-wide install virtualenv --system-site-packages -p python3 ./venv_tf_p3 source ./venv_tf_p3/bin/activate pip install --upgrade pip pip install tensorflow-gpu==1.4 python -c "import tensorflow as tf; print(tf.__version__)" //for test
2、安装jupyter notebook并添加virtualenv运行环境
source ./venv_tf_p3/bin/activate 1、安装jupyter notebook pip install jupyter pip install ipykernel 2、为jupyter添加kernel python -m ipykernel install --user --name=venv_tf_p3 3、运行 jupyter notebook
四、Caffe2安装
1、使用virtualenv虚拟环境安装,避免影响系统自带Python环境,使用Python2
/home目录下: sudo apt update sudo apt install python-dev python-pip sudo pip install –U virtualenv # system-wide install //安装依赖 sudo apt-get install -y --no-install-recommends \ build-essential \ git \ libgoogle-glog-dev \ libgtest-dev \ libiomp-dev \ libleveldb-dev \ liblmdb-dev \ libopencv-dev \ libopenmpi-dev \ libsnappy-dev \ libprotobuf-dev \ openmpi-bin \ openmpi-doc \ protobuf-compiler sudo apt-get install -y --no-install-recommends \ libgflags-dev \ cmake sudo apt install graphviz python-tk virtualenv --system-site-packages -p python2.7 ./venv_cf_p2 source ./venv_cf_p2/bin/activate pip install --upgrade pip //安装依赖 pip install --user \ future \ numpy \ protobuf \ typing \ hypothesis \ pyyaml \ pydot
//可选库安装
pip install --user \
flask \
requests \
scikit-image \
scipy \
tornado
pip install --user matplotlib==2.0.2 //这里需装旧版本的matplotlib,否则在导入matplotlib时出现 :ImportError: No module named functools_lru_cache git clone https://github.com/pytorch/pytorch.git && cd pytorch git submodule update --init --recursive export USE_LMDB=1 //声明环境变量,编译LMDB,MNIST例程用到 export USE_OPENCV=1 //声明环境变量,编译OpenCV python setup.py install
//环境变量设置
export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$home/pytorch/build:$PYTHONPATH //change $home to you home path, such as "/home/john"
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
add in ~/.bashrc
source ~/.bashrc
//测试是否安装成功
cd ~ && python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"
终端打印出Success即可
[ 在pytorch目录下运行另一个测试命令:python caffe2/python/operator_test/activation_ops_test.py,没有输出期望结果,但对实际的GPU调用没有影响 ]
2、安装jupyter notebook并添加virtualenv运行环境
[ 若按照(三、2、)方法安装会出现以下错误,估计是jupyter对Python2的兼容问题 ]
[ 解决:直接指定版本安装 ]
source ./venv_cf_p2/bin/activate 1、安装jupyter notebook pip install jupyter-console==5.2.0 jupyter-client==5.2.1 jupyter-core==4.4.0 jupyter==1.0.0 ipython==5.2.0 ipykernel==4.10.0 2、为jupyter添加kernel python -m ipykernel install --user --name=venv_cf_p2 3、运行 jupyter notebook
内容总结
以上是互联网集市为您收集整理的深度学习环境搭建(Ubuntu16.04+GTX1080Ti+CUDA8.0+Cudnn6.0+TensorFlow+Caffe2(Pytorch))全部内容,希望文章能够帮你解决深度学习环境搭建(Ubuntu16.04+GTX1080Ti+CUDA8.0+Cudnn6.0+TensorFlow+Caffe2(Pytorch))所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。