程序员经验分享-hwhale

windows10 ubuntu18.04 CUDA9.2 caffe tensorflow pytorch安装

2023-05-16

文章目录

    • windows10 安装
    • ubuntu18.04 系统安装
        • 1. 制作U盘启动盘
        • 2. 更改英文路径
        • 3. 更新源
        • 4. 设置root账号
        • 5. 安装NVIDIA驱动
        • 6. CUDA安装
        • 7. CUDNN安装
        • 8. Anaconda安装
        • 9. Pytorch安装
        • 10 TensorFlow安装
        • 11.caffe安装
        • 12. opencv安装
        • 13. 科学上网
        • 14. 有道词典
        • 15. 搜狗输入法

windows10 安装

  1. 制作U盘启动盘，可以使用windows官方windows 10 media creation tool
  2. 安装office
  3. 安装Visual Studio 2017（KBJFW-NXHK6-W4WJM-CRMQB-G3CDH）
  4. 安装CUDA驱动
  5. 安装Ultraiso9.7 （Guanjiu；A06C-83A7-701D-6CFC）（安装时不要勾选：安装虚拟ISO驱动器）
  6. 安装anconda
  7. 安装tensorflow（https://tensorflow.google.cn/install/）
  8. 安装pytorch(https://pytorch.org/get-started/locally/)
  9. 推荐安装cmder wox(重启后配置.condarc .vimrc)

ubuntu18.04 系统安装

1. 制作U盘启动盘

  可以使用Ultraiso刻录（启动模式为UEFI），注意选择启动引导设备时选择与windows启动相同的硬盘（如果你有很多块硬盘的话）

2. 更改英文路径

#更改系统语言环境为英文
export LANG=en_US
#更新环境
xdg-user-dirs-gtk-update
#此时会弹出界面，选择带有“update”字样的选项或者是“更新名称”
#更改回中文语言环境
export LANG=zh_CN.UTF-8
#更新环境
xdg-user-dirs-gtk-update
#此时再次弹出界面，选择“保留旧的名称”

3. 更新源

  选择清华源

4. 设置root账号

sudo passwd root

5. 安装NVIDIA驱动

5.1 卸载旧的驱动

sudo apt-get purge nvidia*

5.2 禁止自带的nouveau nvidia驱动

# 打开配置文件
sudo vim /etc/modprobe.d/blacklist-nouveau.conf

# 填写禁止配置的内容
blacklist nouveau
options nouveau modeset=0

# 更新配置文件
sudo update-initramfs -u

5.3 添加Graphic Drivers PPA源

# 更新源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 查看驱动版本
ubuntu-drivers devices

# 选择适合的（推荐最高，至少>=CUDA版本）
sudo apt-get install nvidia-driver-415

# 重启
sudo reboot

# 验证
nvidia-smi
nvidia-settings

6. CUDA安装

（https://developer.nvidia.com/cuda-downloads）

6.1 安装依赖库

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

**6.2 gcc版本降级（注：>=CUDA9.2 支持gcc7）

# 查看版本
g++ --version

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

# 替换版本
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

# 查看版本
g++ --version

6.3 安装cuda

sudo sh cuda_9.2.148_396.37_linux.run
# 注意提示安装显卡驱动的时候选N Ctrl+d 可以快速翻页

6.4 环境配置

# 打开配置文件
sudo gedit ~/.bashrc

# 配置CUDA路径
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

# 更新配置
source ~/.bashrc

6.5 测试CUDA Sample

# 进入示例文件
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
# 执行make命令
sudo make
# 测试
./deviceQuery

7. CUDNN安装

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

7.1 安装

# 安装 runtime library
sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.2_amd64.deb

# 安装 developer library
sduo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda9.2_amd64.deb

# 安装 code samples
sduo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda9.2_amd64.deb

7.2 测试

# 进入实力文件
cd /usr/src/cudnn_samples_v7/mnistCUDNN

# 执行make命令
sudo make clean
sudo make

# 测试
./mnistCUDNN

8. Anaconda安装

（https://www.anaconda.com/download/）

# 安装 注意：选择写入~/.bashrc 文件
sh Anaconda3-5.3.1-Linux-x86_64.sh

# 更新配置文件
source ~/.bashrc

9. Pytorch安装

（https://pytorch.org/get-started/locally/）

# Anconda 构建环境
conda create -n pytorch-0.4_py36 python=3.6

# 进入环境
conda activate pytorch-0.4_py36

# 安装 pytorch
conda install pytorch torchvision cuda92 -c pytorch

# 测试
# 进入 Python
python

# 引用 pytorch
import torch

10 TensorFlow安装

（https://tensorflow.google.cn/install/）

10.1 pip 安装

# Anconda 构建环境
conda create -n tensorflow-1.12_py36 python=3.6

# 进入环境
conda activate tensorflow-1.12_py36

# 安装 推荐先下好 .whl 文件
pip install --ignore-installed --upgrade packageURL

# 测试
# 进入 tensorflow
python

# 引用 tensorflow
import tensorflow as tf

# 输出版本
tf.__version__

**10.2 手动编译TensorFlow（官方没有提供CUDA9.2的包,pip能安装的话就忽略）

# 下载源码
git clone --recurse-submodules https://github.com/tensorflow/tensorflow

# 安装 bazel 依赖的JDK8
sudo apt-get install openjdk-8-jdk

# 添加 URL
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

# 安装 bazel
sudo apt-get update && sudo apt-get install bazel

# 进入 tensorflow 目录
cd tensroflow

# 配置 config 注意配置好CUDA Python 路径 提前安装numpy  keras
./configure 

# 编译目标程序 开启GPU支持 （报错都是因为少装了python库）
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
1

# 生成 .whl 文件
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

# pip安装 同9.1

11.caffe安装

（http://caffe.berkeleyvision.org/install_apt.html）

11.1 依赖安装

# 安装依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev checkinstall

11.2 配置文件修改

# 使用cudnn
USE_CUDNN := 1

# 使用opencv3
OPENCV_VERSION := 3

# 若要使用python layer
WITH_PYTHON_LAYER := 1

# 依赖库位置 :
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

**11.3 编译测试

# 编译库
make all -j8

# 编译测试库
make test -j8

# 运行测试
make runtest -j8

**11.4 测试MNIST数据集

# 进入 caffe
cd ~/caffe

# 下载数据集
./data/mnist/get_mnist.sh

# 转换成LMDB格式
./examples/mnist/create_mnist.sh

# 训练网络
./examples/mnist/train_lenet.sh

12. opencv安装

（https://github.com/opencv/opencv/releases）

12.1 安装依赖

sudo apt-get install cmake
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libtiff4.dev libswscale-dev 
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

12.2 编译安装

# 进入 opencv
cd ~/opencv

# 创建build文件夹
mkdir build

# 进入build文件夹
cd build

# cmake 配置 增加cuda版本
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv-3.4.3 -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D BUILD_TIFF=ON -D WITH_OPENGL=ON -D WITH_CUDA=ON -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" -D WITH_CUBLAS=1 ..

# 编译
make all -j8

# 安装
sudo make install

12.3 配置

# 打开conf配置文件
sudo gedit /etc/ld.so.conf.d/opencv.conf

# 写入opencv安装路径
/usr/local/opencv-3.4.0/lib

# 更新配置
sudo ldconfig

# 配置bash
sudo gedit ~/.bashrc

# 写入pkgconfig路径
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig${PKG_CONFIG_PATH:+${PKG_CONFIG_PATH}} 

# 更新配置
source ~/.bashrc

12.4 测试

# 进入测试文件夹
cd opencv-3.4.0/samples/cpp/example_cmake

# 编译
cmake .
make

# 测试
./opencv_example

13. 科学上网

（https://github.com/shadowsocks/shadowsocks-qt5/releases）

14. 有道词典

（https://github.com/yomun/youdaodict_5.5）

15. 搜狗输入法

(https://pinyin.sogou.com/linux/?r=pinyin)

# 安装
sudo dpkg -i sogoupinyin_2.2.0.0108_amd64.deb

# 解决依赖
sudo apt install -f

# 设置
从设置找到语言->管理安装语言，待更新安装完成，设置为fcitx

# 添加
重新登入，在右上角的托盘->配置，添加搜狗输入法
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Windows10

Ubuntu18

cuda9

caffe

tensorflow

windows10 ubuntu18.04 CUDA9.2 caffe tensorflow pytorch安装 的相关文章

随机推荐

  • 解决局域网文件共享“****无法复制，指定的网络名不可用”

    今天公司内部局域网文件共享出现 无法复制 xff0c 指定的网络名不再可用 的报错 xff0c 具体错误如下 xff1a 1 考虑到是服务器问题 xff0c 重启服务器无果 xff1b 2 考虑是物理连接故障 xff0c 打算进行其他排错后

  • maven安装教程（结合eclipse和IDEA）

    一 安装maven 本文须知 安装maven环境之前要先安装java jdk环境 没有安装java环境的可以先去看安装JAVA环境的教程 Maven 3 3 require JDK 1 7 及以上 第一步 下载maven 本教程安装的是3

  • 在Eclipse中安装配置JDK11

    下载安装包 从请官方下载 xff0c 地址为 xff1a https www oracle com java technologies javase jdk11 downloads html xff0c 选择相应的版本下载即可 注意 xff

  • Choco-slover的使用

    一 相关资料 choco slover github源代码以及工具下载网址 https github com chocoteam choco solver choco slover 官网文档 https choco solver org c

  • python 进入虚拟环境 source activate 时候报错 Badly placed ()'s

    当想要进入python的指定虚拟环境 venv bin 时使用 source activate报错 source activate Badly placed 39 s 因为当前Linux使用的是 csh 或者fish shell时是无法使用

  • IDEA javadoc快捷键

    思悠悠 xff0c 恨悠悠 xff0c 恨到归时方始休 月明人依楼 白居易 长相思 汴水流 设置快捷键FIle gt Setting gt Keymap gt Other 搜索 Fix doc xff0c 右键 xff1a Add Keyb

  • 常见的关系型数据库（最全收录）

    天子呼来不上船 xff0c 自称臣是酒中仙 杜甫 饮中八仙歌 1 OracleOracle是1983年推出的世界上第一个开放式商品化关系型数据库管理系统 它采用标准的SQL结构化查询语言 xff0c 支持多种数据类型 xff0c 提供面向对

  • Docker报错，(default) No default Boot2Docker ISO found locally, downloading the latest release...

    环境简述 xff1a 系统 xff1a Windows 10家庭版 安装 Hyper V 后 xff0c 安装 Docker For Windows 还是不好使 后面选择下载了 xff0c Docker Toolbox xff0c 一路 n

  • golang学习笔记 casbin授权库学习记录

    目录 权限控制管理模型ACLRBACABAC Casbin介绍Casbin概述Casbin工作原理请求策略匹配器效果 Casbin结合golang基本使用添加policy结合gorm适配器使用对policy经行增删改查 自定义匹配函数 权限

  • 【洛谷】P1626象棋比赛

    题目描述 有 span class hljs keyword N span 个人要参加国际象棋比赛 xff0c 该比赛要进行 span class hljs keyword K span 场对弈 每个人最多参加两场对弈 xff0c 最少参加

  • 四、SLAM学习笔记—— Ubuntu18.04交叉编译OpenCV4.5.5至ARM64位平台firefly-RK3566

    概述 交叉编译大概的意思是指 在PC x86 x64 的机器上编译其他平台如ARM平台的代码 xff0c 这个过程叫做交叉编译 对于交叉编译 xff0c 我们首先确定目标平台的架构 xff0c RK3566的架构是ARMv8 xff0c 6

  • 关于金蝶组件各类报错问题

    最近维护金蝶K3wish xff0c 遇到个别客户端的组件报错问题 xff0c 现整理问题解决方法 xff1a 1 打开金蝶的追踪程序 xff0c 在本机金蝶安装盘下搜索 xff1a KdMainDBG exe程序 xff1b 2 加载进入

  • Charles + Postern 安卓模拟器抓包

    首先 xff0c 要注意的是 xff0c 在安卓7 0以后 xff0c Fiddle和charles这些抓包工具安装的证书 xff0c 会被默认不相信 xff0c 所以按照很多旧的抓包工具的配置过程 xff0c 没有办法成功抓包 今天就在这

  • HTML（一天学完）总结。附上html思维导图

    3 24 偷懒了几天 昨天加今天看完了狂神说的html 因为html和mysql是一起学的 xff0c 我看腻了mysql就去看html 在这里写一篇总结 附上html思维导图 HTML Hyper Text Markup Language

  • TGP漏洞：lol无法正常登录问题

    今天下午发现了个有趣的现象 xff0c 本来是要设置路由器的 xff0c 结果路由器设置好后 xff0c 上网之类的都正常 但就是玩不了lol xff0c 登进去总是提示与服务器无法连接 xff0c 您的网络有问题 好郁闷啊 xff0c 我

  • 代码参数里的 payload 是什么意思???

    首先解释一下什么是 payload payload 字面意思 有效载荷 xff0c 有效负荷 xff0c 有效载重 payload 维基百科payload中的解释 xff1a 在计算机科学与电信领域 xff0c 负载 xff08 英语 xf

  • 树莓派 Volumio 3.5触摸屏(GPIO) 配置教程

    最近咸鱼淘了一个树莓派3B 买成210血亏哦 200以下差不多 做数播 装的Volumio系统 和少帅的i2c转同轴的板 连同壳子140 43 后来又淘了一个3 5寸的TFT小屏幕3 5inch RPi Display LCD wiki 我

  • Ubuntu 16.04 LTS 一键安装VNC

    Ubuntu 16 04 LTS 安装VNC xff0c 在百度和谷歌找了很多教程 xff0c 不是太老 xff0c 就是说的驴唇不对马嘴 xff0c 所以忍不住写一些以正视听 Ubuntu 16 04 LTS是最近出的LTS版本系统 xf

  • OpenMP简介

    01 OpenMP简介 OpenMP xff08 开放式多处理 xff09 是一种应用程序编程接口 xff08 API xff09 xff0c 支持C xff0c C 43 43 和Fortran中的多平台共享内存 多 处 理

  • windows10 ubuntu18.04 CUDA9.2 caffe tensorflow pytorch安装

    文章目录 windows10 安装ubuntu18 04 系统安装1 制作U盘启动盘2 更改英文路径3 更新源4 设置root账号5 安装NVIDIA驱动6 CUDA安装7 CUDNN安装8 Anaconda安装9 Pytorch安装10

热门标签