[TOC]html
本篇博文根據本人親裝碰到的問題蒐集總結而成,具體參考見結尾REFERENCEpython
服務器版未裝有gcc,但英偉達驅動安裝須要gcc,嘗試過換源、更新軟件庫、以及overstack的幾種方法均未能解決,最終發現能夠經過安裝build-essential軟件包來解決問題,它會安裝一堆新包,包括gcc, g++和make。linux
sudo apt install build-essential
git
因爲直接安裝cuda若是選擇安裝驅動會直接版本較低的驅動,因此採用先裝驅動後裝cuda的方式。github
sudo apt-get remove –purge nvidia*
sudo apt-get remove --purge nvidia(版本全稱,如個人nvidia-384.130)
sh ./nvidia.run --uninstall
安裝NVIDIA須要先禁用系統自帶的驅動vim
打開文件sudo gedit /etc/modprobe.d/blacklist.conf
bash
在文本末尾添加服務器
blacklist nouveau option nouveau modeset=0
無視warnssh
wq, 執行sudo update-initramfs -u
ide
檢測,lsmod | grep nouveau
,沒有任何輸出說明禁用成功
查看支持的驅動版本
sudo apt-cache search nvidia*
,通常安裝大於等於最大的版本就好,我安裝的是418.87
下載NVIDIA驅動,
禁用X服務(最好有一臺備用電腦,由於這一步會黑屏...由於我是採用ssh鏈接,因此對我沒影響)
sudo service lightdm stop
給文件賦執行權限並cd到下載目錄
cd ~ sudo chmod a+x NVIDIA-Linux-x86_64-384.130.run
安裝
sudo sh ./NVIDIA-Linux-x86_64-375.20.run –no-opengl-files
檢測是否成功 nvidia-smi
禁用X服務(黑屏)
sudo service lightdm stop
給文件賦執行權限並安裝
sudo chmod a+x cuda_10.1.243_418.87.00_linux.run sudo sh cuda_10.1.243_418.87.00_linux.run --override
accepted, 除了驅動不選擇,其餘都選。
打開配置文件 vim ~/.bashrc
,末尾寫入
export PATH=/usr/local/cuda-10.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
生效 source ~/.bashrc
檢測是否成功 nvcc -V
官網下載,找到與cuda版本配對的cudnn,查看官網配對,以及更全的版本配對,個人cuda爲10.1因此,cudnn選的是7.6.4
將下載的添加爲壓縮包並解壓
# compression cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 good.tgz # decompression tar -xvf good.tgz
安裝,其實就是改變文件位置和權限
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d $ sudo chmod a+r /usr/local/cuda/include/cudnn.h $ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
查看cudnn版本:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
以上便配置好服務器,如下爲非root用戶根據須要安裝。
我安裝的是anaconda、tensorflow、pytorch
卸載anaconda(若有) rm-rf ~/anaconda
,而後修改配置文件~/.bashrc
官網下載並安裝
配置文件/home/yourusername/.profile,在最後一行添加以下
# Anaconda export PATH=$PATH:/home/username/anaconda3/bin
生效 source /home/username/.profile
查看官網配對,肯定安裝版本
# 若是你安裝的是 Python 3.6 版的Anaconda: conda create --name tf_gpu_env tensorflow-gpu # tf_gpu_env是這個環境的名字 # 若是你安裝的是 Python 3.7 版的Anaconda,則須要聲明新建立的環境使用 Python 3.6: conda create --name tf_gpu_env python=3.6 anaconda tensorflow-gpu
新建虛擬環境並激活環境
conda create -n pytorch python=3.7 activate pytroch
查看官網選擇版本,得到代碼
如個人
解決問題:
http://www.javashuo.com/article/p-kpsasboj-ns.html
https://www.linuxidc.com/Linux/2019-06/159059.htm
https://blog.csdn.net/Eddy_zheng/article/details/52910249
https://blog.csdn.net/DarrenXf/article/details/82182449
https://blog.csdn.net/qq_41620607/article/details/81236525
http://www.javashuo.com/article/p-ojrzasji-bb.html
https://blog.csdn.net/qq_22474567/article/details/54984257
http://www.javashuo.com/article/p-pgypzkqp-q.html
https://github.com/tensorflow/tensorflow/issues/30191
https://blog.csdn.net/weixin_44179909/article/details/96973208