win10+ubuntu18.04雙系統安裝cuda9.0+cudnn配置深度學習環境
ubuntu18.04+cuda9.0+cudnn安裝筆記 第一步:安裝win10+ubuntu18.04雙系統。 1.下載ubuntu18.04的iso檔案 2.使用ultroiso製作啟動盤,預設操作即可。 3.win10“設定”介面選擇重啟——>高階啟動——>從u盤啟動即可 4.安裝ubuntu18.04注意要自己分割槽,特別注意分割槽後選擇從boot啟動,以免覆蓋win10檔案 第二步:安裝nvidia圖形驅動 1.nvidia-driver devices 檢測推薦的驅動直接安裝即可sudo apt install nvidia-390(注意驅動版本,以符合cuda要求版本) 2.nvidia-smi 檢測是否成功安裝驅動。 第三步:安裝cuda9.0 注意: 原先我安裝的是cuda9.2,但是由於其要求驅動在396以上,所以執行測試時失敗。 1. sudo sh <cuda9.0>.run直接執行即可 注意:終端會顯示是否安裝驅動,由於已經安裝,所以選擇no,其他選擇預設或yes即可 2. 測試 2.1在sample資料夾下執行make clean& make 2.2 cd ./bin/x86_64/linux/release 執行./deviceQuery 和./bandwidthTest,如果顯示Result=PASS即成功安裝cuda。 2.3 執行ncvv -V 需要事先配置環境。新增到.bashrc檔案中即可,然後執行source .bashrc 第四步:安裝cudnn 1.下載對應cuda9.0的cudnn版本 此處所下載的是:libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb 2.執行sudo dpkg -i <>.deb檔案即可。 3.測試 3.1 cd /usr/src/cudnn_samples_v7 3.2 cp -r mnistCUDNN /home/pharos/桌面 3.3 cd /home/pharos/桌面/mnistCUDNN 3.4 執行make clean&make指令進行編譯 3.5 執行./mninstCUDNN 3.6 結果顯示Test passed即可 第五步:安裝tensorflow-gpu或者pytorch 注意:本機器已安裝anaconda3,python版本為3.6,但是推薦使用pip3安裝,conda安裝不推薦。 pip3 install tensorflow-gpu==1.8 如何測試是否成功安裝tensorflow-gpu詳見網上程式碼 pip3 install torch torchvision 如何測試是否成功安裝pytorch詳見網上程式碼