python
nvidia-smi
1.先去官網下載對應的anaconda(.sh文件)linux
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/git
2.打開terminal,bash運行.sh文件(如:bash Anaconda3-5.2.0-Linux-x86_64.sh) 3.一路回車yes,直到安裝成功(安裝完成會自動把anaconda加入環境變量,成爲默認python解釋器) 注意:若在終端輸入 python,仍然顯示Ubuntu自帶的python版本,執行:github
sudo gedit ~/.bashrc export PATH="/home/hjl/anaconda3/bin:$PATH" source ~/.bashrc
查看全部環境:conda info --envs 新建虛擬環境:conda create -n your_env_name python=X.X 激活進入安裝的沙盒環境:source activate your_env_name 退出沙盒環境:source deactivate 刪除虛擬環境:conda remove -n your_env_name --all
建立conda沙盒環境時默認安裝的庫docker
PS:conda建立的虛擬環境默認在隱藏文件夾.conda下的envs文件夾下ubuntu
conda install tensorflow-gpu==1.8
tensorflow-gpu,cudnn,cuda的版本對應關係bash
tensorflow-gpu測試代碼curl
conda install keras-gpu
conda install pytorch
pip install opencv-python
1.清除以前安裝的docker(首次安裝無需執行該步驟)測試
sudo apt-get remove docker docker-engine docker.io
2.更新系統軟件url
sudo apt-get update
3.安裝依賴包
sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ software-properties-common
4.添加官方祕鑰
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
5.添加倉庫
sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable"
6.再次更新軟件
sudo apt-get update
7.安裝docker(可指定版本,不指定默認安裝最新版本)
sudo apt-get install docker-ce=<VERSION>
前提:安裝nvidia-docker2以前必須先安裝docker,若是以前安裝了nvidia-docker1:須要刪除它和全部現有的GPU容器 ,命令以下:
docker volume ls -q -f driver = nvidia-docker | xargs -r -I {} -n1 docker ps - q -a -f volume = {} | xargs -r docker rm -f sudo apt-get purge -y nvidia-docker
1.更新源,添加軟件包存儲庫
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution = $( ./ etc / os-release ; echo $ ID $ VERSION_ID ) curl -s -L https://nvidia.github.io/nvidia-docker/ $ distribution /nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update
2.安裝nvidia-docker2並從新加載Docker守護程序配置
sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
3.測試nvidia-docker是否安裝成功(若是出現gpu信息,則代表安裝成功)
sudo nvidia-docker run --rm nvidia/cuda:8.0-devel nvidia-smi