Nvidia驅動安裝
轉載 https://blog.csdn.net/stories_untold/article/details/78521925python
一、查看顯卡信息linux
$ lspci | grep VGA
二、下載驅動程序: http://www.nvidia.cn/Download/index.aspx 好比個人是 gtx1050tiwindows
下載完以後是一個名稱爲 NVIDIA-Linux-x86_64-xxx.xx.run 的文件。bash
三、 刪除原有驅動session
$ sudo apt-get remove --purge nvidia*
四、禁用nouveau驅動:url
編輯 /etc/modprobe.d/blacklist-nouveau.conf 文件,添加如下內容:spa
blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off
而後保存。 關閉nouveau:.net
$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
五、 重啓:翻譯
$ update-initramfs -u $ sudo reboot
六、獲取Kernel source(很是重要):3d
$ sudo apt install linux-source $ sudo apt install linux-headers-x.x.x-x-generic
圖中紅色部分中的版本號就是第二步中x.x.x-x須要替換的部分。
七、安裝Nvidia驅動
$ sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run
這裏要着重說一下 網上的教程都是先把gcc和g++的版本先替換掉了,我發現直接用sudo apt install nvidia-340
裝上驅動仍是掛載不了,因此推薦直接卸載了直接重裝。 這裏編譯驅動須要gcc7版本, 因此用4.8版本的話會報錯。因此先不用替換,而且用 gcc -v 檢查一下是否安裝,版本是不是7版本
是否卸載原有驅動安裝新驅動 -> 是
大概意思是沒有獲取到預安裝腳本(猜的),是否繼續 -> 是
嘗試翻譯了一下,翻譯處理我看不懂 -> 否
後面還有一個問你是否安裝32位的, -> 否
Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. -> 是
八、掛載Nvidia驅動:
$ modprobe nvidia
九、檢查驅動是否安裝成功:
$ nvidia-smi
安裝 CUDA
一、下載cuda
https://developer.nvidia.com/cuda-toolkit-archive
深綠色的所有選中,下面的內容所有下載, 後面的主要是補丁文件 另外有人糾結版本問題, 說網上各類教程都是好多版本的, 我裝最新的版本會不會有什麼問題? 我我的的見解是,只要官方出補丁了,就直接上手用,基本上不會有什麼問題。 可是好比像python這種極度依賴包的語言的話,就不能直接上最新,通常上最新的版本減一個小版本就好了。 好比如今最新的3.7 不少包不能兼容, 可是我用3.6.6就不會有問題
二、下載cuDNN
https://developer.nvidia.com/rdp/cudnn-archive 這個要注意一下, 要下載明確說明可以兼容下載的cuda的版本 好比個人是9.2 那麼我就要下載對應的最新的版本
注意: 這個須要登錄以後才能下載
三、gcc降級
$ sudo apt-get install gcc-4.8 $ sudo apt-get install g++-4.8 $ cd /usr/bin $ sudo mv gcc gcc.bak #備份 $ sudo ln -s gcc-4.8 gcc # 從新鏈接 $ sudo mv g++ g++.bak $ sudo ln -s g++-4.8 g++
查看版本號
$ gcc -v $ g++ -v
均顯示gcc version 4.8 ,說明gcc 4.8安裝成功。
四、安裝cuda ,及其補丁
$ sudo bash cuda_9.2.148_396.37_linux.run
這裏有一個小技巧, 它會出現一個協議,而後按回車鍵才能不斷的往下面走。剛開始的時候,由於驅動配置得不會, 拖了十屢次,每次都至少半分鐘, 着實把我給噁心着了。 後面無心中發現一個直接關的辦法, 就是直接按 ctrl+c
這裏面在詢問是否安裝驅動的時候選否,其餘的都選y或者回車就能夠
後面繼續安裝補丁
$ sudo bash cuda_9.2.148.1_linux.run
安裝完畢以後,將如下兩條加入.barshrc文件中.注意,須要把cuda-9.2替換成安裝的版本號
export PATH=/usr/local/cuda-9.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRA$
五、安裝cuDNN
這個簡單,直接解壓以後複製到對應的包就行
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include 注意,解壓後的文件夾名稱爲cuda ,將對應文件複製到 /usr/local中的cuda內 $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 $ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
安裝 Anaconda 並 安裝tensorflow-gpu+keras-gpu及Gpu vs Cpu驗證
一、下載Anaconda
https://www.anaconda.com/download/ 這裏有兩個版本選擇, 取決於項目版本,這個開始搜這份資料的都是老司機, 我就不細說了
二、安裝
bash Anaconda3-4.2.0-Linux-x86_64.sh
這裏我忘了截圖了, 網上詳細安裝的教程不少,去搜索一下就好了 http://www.javashuo.com/article/p-rfllkfga-hx.html
三、添加清華鏡像 安裝好以後添加一下國內源
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ $ conda config --set show_channel_urls yes
四、建立虛擬環境
conda create -n tensorflow-gpu python=3.6 source activate tensorflow-gpu #(linux下+source, windows下無需+source)
五、安裝包
conda install tensorflow-gpu conda install keras-gpu
必定要加上-gpu,不然系統會默認成cpu
六、 驗證
將下面代碼保存到一個py文件中
import tensorflow as tf # Creates a graph. a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b) # Creates a session with log_device_placement set to True. sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) # Runs the op. print(sess.run(c))
當執行的結果圖示位置位GPU的時候, 那麼環境就所有搭建完成了