当前位置:   article > 正文

Ubuntu18.04.1 深度学习配置 GPU环境配置_blacklist.conf未找到

blacklist.conf未找到

Ubuntu18.04.1 深度学习配置 GPU环境配置(真实机,而非虚拟机

  • Ubuntu18.04.1、Cuda 9.1、cuDnn 7.0、anaconda3.5.0、Tensorflow1.8.0、Pycharm配置

1、硬件与软件版本

显卡:GeForce GTX 1080 Ti * 2

CPU:Inter Core i7-6850K

系统:Ubuntu18.04.1

cuda:9.0版本

cuDnn:v7

anaconda:3.5.0版本

Tensorflow:1.8.0版本

Pycharm:下载最新的即可。

 2.Nvidia 显卡驱动安装

使用的是ppa源安装的方式

2.1  删除旧的驱动

原来Linux默认安装的显卡驱动不是Nvidia的驱动,所以应该先把旧的驱动卸载掉。

  1. # 删除
  2. sudo apt-get purge nvidia*

2.2  禁止自带的nouveau nvidia 驱动

 进入到       /etc/modprobe.d          目录下,看有没有blacklist.conf文件,如果有的话使用下面的命令;

  1. #打开配置文件
  2. sudo gedit /etc/modprobe.d/blacklist.conf
  3. 如果你的Ubuntu系统中没有 gedit 编辑器,有 vim 编辑器,使用下面的命令。
  4. sudo vim /etc/modprobe.d/blacklist.conf

如果没有上面的blacklist.conf文件,应该会有blacklist-nouveau.conf 文件,使用下面的命令;

  1. #打开配置文件
  2. sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
  3. 如果你的Ubuntu系统中没有 gedit 编辑器,有 vim 编辑器,使用下面的命令。
  4. sudo vim /etc/modprobe.d/blacklist-nouveau.conf

上面主要是需要打开配置文件,运行上面命令后,会弹出一个文本文件如下图所示。

在这个文件的最后一行填写禁止配置内容。

  1. blacklist nouveau
  2. options nouveau modeset=0

填写后下图所示。

更新配置文件

sudo update-initramfs -u

最后需要进行重启重启之后,因为禁止了显卡的驱动,所以重启后显示的效果很不好,通过这个可以看出,是否完成这一步操作。

2.3  添加Graphic Drivers PPA

  1. sudo add-apt-repository ppa:graphics-drivers/ppa
  2. sudo apt-get update

查看合适的驱动版本:

ubuntu-drivers devices

如下图所示:

从图中可以看出可以选择的驱动版本,在这里选则最高的版本415(也是recommended 版本)。通过如下命令进行安装,安装完成后重新启动。(安装过程有慢)

  1. # 安装
  2. sudo apt-get install nvidia-driver-396
  3. # 重启
  4. sudo reboot

安装完成后,通过如下命令检测是否安装成功.

sudo nvidia-smi

如果成功会显示下图所示。 

继续输入如下命令: 

sudo nvidia-settings

显示下图,则说明安装成功。 

完成显卡驱动安装。 

3.cuda 9.0 安装

3.1 下载文件

 首先在官网下载run文件,如图所示,选择适合的run文件。下载地址:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal

3.2 安装依赖库

 在下载完成后在运行这个run文件之前先安装依赖库,也不知道是干什么用的。反正给他安装了,再往下进行。

看的这个教程。https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html

  1. # 依赖库安装
  2. sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

但不做这步直接运行run文件会出现如图所示

3.3 gcc降低版本 

 CUDA9.0要求GCC版本是5.x或者6.x,其他版本不可以,需要自己进行配置,通过以下命令才对gcc版本进行修改。

  1. #查看版本
  2. g++ --version

  1. # 版本安装:
  2. sudo apt-get install gcc-5
  3. sudo apt-get install g++-5

通过命令替换掉之前的版本:

  1. sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
  2. sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

3.4 安装cuda

运行run文件。

sudo sh cuda_9.0.176_384.81_linux.run

注意:在安装过程中会提示是否需要安装显卡驱动,如图所示,在这里要选择n,其他的选择y或者回车键进行安装。

到最终结果如果没有错误,得到的结果如下图所示。

其他不正确的形式:

还有其他形式的,但是没有遇到,对于这种情况可能是某些依赖库没装好;解决方法是先安装一下依赖库,然后重启,结果就可以了。

  1. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
  2. sudo apt-get install --no-install-recommends libboost-all-dev
  3. sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
  4. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3.5 环境配置 

 完成以上的步骤以后一定要进行环境的配置,按步骤输入以下命令:

sudo gedit ~/.bashrc

会弹出一个可以写的配置文件,在末尾把以下配置写入并保存。如下图所示,上面的是弹出的配置文件,下面是添加好厚的配置文件。

最后执行:

source ~/.bashrc

重启电脑。

3.6 测试是否安装成功

在安装的时候也相应安装了一些cuda的一些例子,可以进入例子的文件夹然后使用make命令执行。 

  1. # 第一步,进入例子文件
  2. cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
  3. # 第二步,执行make命令
  4. sudo make
  5. # 第三步
  6. ./deviceQuery

 如果结果有GPU的信息,说明安装成功。如下图所示:

......

出现上面的界面,则说明完成CUDA 9.0 的安装。 

当运行程序的时候也可以通过如下命令查看GPU是否在使用:

nvidia-smi

4. cuDnn v7 安装 

4.1 cuDnn v7 下载

cuDNN安装的方式非常简单,官网的安装指南有两种方式进行安装。我随便选择了一种方式进行安装。在这个方式中首先需要下载合适的安装包,因为我的CUDA 是9.0的版本,所以选择如下图三个文件安装包: 

4.2 安装

 安装过程如下:

  1. # 安装命令
  2. sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
  3. sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
  4. sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

4.3 测试是否安装成功 

安装完成以后需要进行测试是否安装成功,测试的过程如下图所示。

用来进行测试的命令。

  1. # 如图中的命令
  2. cp -r /usr/src/cudnn_samples_v7/ $HOME
  3. cd $HOME/cudnn_samples_v7/mnistCUDNN
  4. make clean && make
  5. ./mnistCUDNN

最终如果有提示信息:“Test passed! ”,则说明安装成功,如图所示:

 

5. anaconda 3.5.0 安装

对于anaconda3 的安装非常简单,从官网中直接下载3.5版本的sh文件。然后执行如下命令对conda进行安装,我下载的是Anaconda3-5.1.0-Linux-x86_64.sh,过程直接yes、yes安装即可。

最后会询问是否添加到环境变量,输入yes就行。(这样是为了可已在terminal中使用python。由于anaconda中自带了python3.6.2所以不需要单独下载python,但是考虑到pycharm中需要填写python路径,可一直接考虑使用anaconda中自带的python就行。)

bash Anaconda3-5.1.0-Linux-x86_64.sh

安装完成后要重启电脑才能打开jupyter notebook。重启之后在终端输入一下命令进入notebook: 

jupyter notebook

 打开notebook界面如下,是声称在浏览器中的。

6.Tensorflow 1.8.0 安装

安装完anaconda 以后可以在终端直接用pip 对TensorFlow和Keras的各种包进行安装:

安装命令:

  1. # 安装 gpu 版本的 tensorflow 和 keras
  2. pip install tensorflow-gpu # 默认安装最新版本
  3. pip install tensorflow-gpu==1.8.0 # 安装指定版本
  4. #如果是其他别的包,使用下面命令
  5. pip install 包的名称
  6. #如果是numpy包
  7. pip install numpy

7.Pycharm 安装 

在官网上下载对应的版本,linux 64位,社区版。下载地址:https://www.jetbrains.com/pycharm/

  1. #使用命令进行解压
  2. tar zxvf pycharm-community-2018.3.tar.gz
  3. #然后cd 到 pycharm--community-2018.3文件夹下的 bin 文件夹下 ,然后输入下面命令,运行pycharm
  4. ./pycharm.sh

如下图: 

然后在pycharm中的File --> settings -->  Project:untitled -- > Project Interpreter 下面输入python的位置,~/anaconda3/bin/python3.6

这样就完成了pycharm的安装以及配置。

 

说明

对于一些数据量很大的神经网络的运算,使用CPU训练速度很慢,所以使用GPU可以很大程度上加速网络的训练。

本篇博文大部分根据https://blog.csdn.net/weixin_41863685/article/details/80303963这位博主,写的非常详细,基本上照着可以一次安装成功。我在安装过程中有一些跟他不一样的地方(不知道是电脑的原因还是怎么回事)。记录下来,方便下次安装。

 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/爱喝兽奶帝天荒/article/detail/791827
推荐阅读
相关标签
  

闽ICP备14008679号