因為Ubuntu18.04剛發(fā)布不久，在安裝CUDA和CUDNN中還沒有匹配版本，最高也是17.04的版本，但實際上18.04的版本具有很強的兼容性。為避免讀者踩坑，本文測試成功了Ubuntu18.04環(huán)境下配置深度學習環(huán)境（GPU:1080ti），包括：

CUDA9.0+CUDNN7.4+TensorFlow1.8+Pytorch0.4的安裝和測試，并提供相關軟件下載。

硬件配置

DELL R730服務器(機架式2U服務器)

顯卡?1080TI *2

內存 64G

CPU 2620V4* 2

電源 DELL 1600w *2

硬盤 600G*2+2T*2

安裝

備注：安裝步驟提到的所有安裝包和驅動，本文提供下載，在本文結尾處有下載地址。

1.安裝Ubuntu

使用U盤進行Ubuntu操作系統(tǒng)的安裝：

參考：https://jingyan.baidu.com/article/a3761b2b66fe141577f9aa51.html

一開始安裝選擇"Install Ubuntu"回車后過一會兒屏幕如果顯示“輸入不支持”，這和Ubuntu對顯卡的支持有關，在安裝主界面的F6，選擇nomodeset，就可以進入下一步安裝了

安裝過程略，安裝鏡像下載地址：

https://www.ubuntu.com/download/desktop

下載：ubuntu-18.04.1-desktop-amd64.iso

備注：如果下載不方便，本文末尾處提供百度云下載。

2.安裝ssh

備注：這一步需要到服務器桌面上的命令窗口輸入，這一步完成后，就可以用ssh工具遠程連接服務器了，本文使用的是XShell。

sudo apt-get install openssh-server

3. 安裝1080TI顯卡驅動

默認安裝的顯卡驅動不是英偉達的驅動，所以先把舊得驅動刪除掉。

sudo apt-get purgenvidia*

添加Graphic Drivers PPA

sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get update

查看合適的驅動版本：

ubuntu-drivers devices

圖：可用的nvidia 驅動列表

圖中可以看出推薦的是最新的415版本的驅動，安裝該驅動：

sudo apt-get install nvidia-driver-415

安裝完畢后重啟機器：

sudo reboot

重啟完畢運行

nvidia-smi

看看生效的顯卡驅動：

圖：生效的顯卡驅動

4.安裝依賴庫

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

5.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，需要自己進行配置，通過以下命令才對GCC版本進行修改。

• 版本安裝

# 版本安裝： sudo apt-get install gcc-5 sudo apt-get install g++-5

• 通過命令替換掉之前的版本?
  

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

6.安裝CUDA9.0

• 下載網(wǎng)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

• 版本選擇：

linux--x86-64，Ubuntu--17.04，runfile(local)，下載Base Installer和4個Patch

備注：如果下載不方便，本文末尾處提供百度云下載。

下載進入目錄后，依次執(zhí)行命令：

注意：在安裝過程中會提示是否需要安裝顯卡驅動，在這里要選擇n，其他的選擇y或者回車鍵進行安裝:

sudo sh cuda_9.0.176_384.81_linux.runsudo sh cuda_9.0.176.1_linux.runsudo sh cuda_9.0.176.2_linux.runsudo sh cuda_9.0.176.3_linux.runsudo sh cuda_9.0.176.4_linux.run

• 在~/.bashrc 中設置環(huán)境變量：

sudo vi ~/.bashrc

在最后添加：

exportPATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} exportLD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

運行

source ~/.bashrc

使其生效，最好重啟一下。

sudo reboot

重啟后，測試CUDA是否成功（此步驟可以省略）

cd ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery make -j4 ? sudo ./deviceQuery

若會輸出相應的顯卡性能信息，Result = PASS，表明CUDA安裝成功。

7.安裝CUDNN

https://developer.nvidia.com/rdp/cudnn-download

需要登錄，同意后才能下載。

備注：如果下載不方便，本文末尾處提供百度云下載。

點擊：

Download cuDNN v7.4.1(Nov 8, 2018), for CUDA 9.0 --cuDNNLibrary for Linux

下載時候保存為：cudnn-9.0-linux-x64-v7.4.1.5.tgz

下載后安裝非常簡單，就是解壓然后拷貝到相應的系統(tǒng)CUDA路徑下，注意最后一行拷貝時 "-d"不能少，

tar -zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgzsudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64sudo chmod a+r/usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

沒有報錯就是全部安裝完成了。

8.安裝Tensorflow GPU 1.8

由于Anaconda可以提供完整的科學計算庫，所以直接使用Anaconda來進行相關的安裝。

1）安裝Anaconda

下載地址：https://www.anaconda.com/download/

備注：如果下載不方便，本文末尾處提供百度云下載。

這里我們下載Python 3.7 64bit 的Anaconda3-5.3.0-Linux-x86_64.sh，直接安裝即可。

bash Anaconda3-5.3.0-Linux-x86_64.sh

2）更改pip和conda為國內的源

由于國內訪問pip和conda比較慢，建議更改為國內的源：

a.更改pip的源為阿里云：

mkdir ~/.pipcat > ~/.pip/pip.conf << EOF [global] trusted-host=mirrors.aliyun.com index-url=https://mirrors.aliyun.com/pypi/simple/ EOF

b.更改conda的源為清華大學：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes

3）在Anaconda中安裝Python3.6的虛擬環(huán)境

由于Anaconda的python版本是3.7的，TensorFlow尚不支持此版本，于是我們創(chuàng)建一個Python的虛擬環(huán)境

conda create --name tf python=3.6 #創(chuàng)建tf環(huán)境

虛擬環(huán)境主要命令：

source activate tf? ? ? ? ? ? ?#激活tf環(huán)境source deactivate tf? ? ? ? ? #退出tf環(huán)境conda remove --name tf --all? #刪除tf環(huán)境（全部刪除）

4）在Anaconda中安裝TensorFlow GPU 1.8

pip install --ignore-installed --upgrade tensorflow-gpu

將會自動安裝如下組件：

numpy?、wheel?、tensorflow-tensorboard?、six、protobuf?、html5lib?、markdown、werkzeug?、bleach、setuptools

5）使用下列代碼測試安裝正確性

命令行輸入：

source activate tfpython

Python命令下輸入以下代碼：

import tensorflowas tf hello= tf.constant('Hello, TensorFlow!') sess= tf.Session() print(sess.run(hello))

沒有報錯就是配置好了。

9.安裝Keras

直接在這個虛擬環(huán)境中安裝：

pip install keras

10.安裝Pytorch

直接在這個虛擬環(huán)境中安裝：

conda install pytorch torchvision -c pytorch

測試Pytorch是否安裝成功：

命令行輸入：

source?activate?tfpython

python命令下輸入以下代碼：

import torch print(torch.cuda.is_available())

?

返回True說明安裝成功了。

總結

因為Ubuntu18.04剛發(fā)布不久，用戶相對比較少，為避免讀者踩坑，本文測試成功了Ubuntu18.04環(huán)境下配置深度學習環(huán)境（GPU:1080ti），包括：

CUDA9.0+CUDNN7.4+TensorFolw1.8+Pytorch0.4的安裝和測試，并提供相關軟件的百度云下載。

作者：黃海廣

參考

https://blog.csdn.net/weixin_41863685/article/details/80303963

本文所有需要的軟件下載請回復“1804”查看

也可以直接用百度云下載：

鏈接：https://pan.baidu.com/s/11AxudhGg3KicM8NzBjvFiw?

提取碼：w214?

請關注和分享↓↓↓?

機器學習初學者

QQ群：654173748

往期精彩回顧

• 機器學習簡易入門-附推薦學習資料

• 機器學習初學者公眾號下載資源匯總（一）
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習資源）

• 吳恩達老師的機器學習和深度學習課程筆記打印版
  

• 機器學習小抄-（像背托福單詞一樣理解機器學習）

• 首發(fā)：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 科研工作者的神器-zotero論文管理工具

• 機器學習的數(shù)學基礎

總結

以上是生活随笔為你收集整理的Ubuntu 18.04深度学习环境配置（CUDA9.0+CUDDN7.4+TensorFolw1.8）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。