ubuntu18.04+cuda9.0+cudnn安装笔记
第一步:安装win10+ubuntu18.04双系统。
1.下载ubuntu18.04的iso文件
2.使用ultroiso制作启动盘,默认操作即可。
3.win10“设置”界面选择重启——>高级启动——>从u盘启动即可
4.安装ubuntu18.04注意要自己分区,特别注意分区后选择从boot启动,以免覆盖win10文件
第二步:安装nvidia图形驱动
1.nvidia-driver devices
检测推荐的驱动直接安装即可sudo apt install nvidia-390(注意驱动版本,以符合cuda要求版本)
2.nvidia-smi 检测是否成功安装驱动。
第三步:安装cuda9.0
注意:
原先我安装的是cuda9.2,但是由于其要求驱动在396以上,所以运行测试时失败。
1. sudo sh <cuda9.0>.run直接运行即可
注意:终端会显示是否安装驱动,由于已经安装,所以选择no,其他选择默认或yes即可
2. 测试
2.1在sample文件夹下执行make clean& make
2.2 cd ./bin/x86_64/linux/release
运行./deviceQuery 和./bandwidthTest,如果显示Result=PASS即成功安装cuda。
2.3 运行ncvv -V
需要事先配置环境。添加到.bashrc文件中即可,然后执行source .bashrc
第四步:安装cudnn
1.下载对应cuda9.0的cudnn版本
此处所下载的是:libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb
libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb
libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb
2.执行sudo dpkg -i <>.deb文件即可。
3.测试
3.1 cd /usr/src/cudnn_samples_v7
3.2 cp -r mnistCUDNN /home/pharos/桌面
3.3 cd /home/pharos/桌面/mnistCUDNN
3.4 执行make clean&make指令进行编译
3.5 执行./mninstCUDNN
3.6 结果显示Test passed即可
第五步:安装tensorflow-gpu或者pytorch
注意:本机器已安装anaconda3,python版本为3.6,但是推荐使用pip3安装,conda安装不推荐。
pip3 install tensorflow-gpu==1.8
如何测试是否成功安装tensorflow-gpu详见网上代码
pip3 install torch torchvision
如何测试是否成功安装pytorch详见网上代码
win10+ubuntu18.04双系统安装cuda9.0+cudnn配置深度学习环境
猜你喜欢
转载自blog.csdn.net/ILUU121/article/details/82928627
今日推荐
周排行