标签：dev   document   result   $path   cti   保存   依赖   libs   version   

Ubuntu 18.04 实验环境配置

系统：Ubuntu 18.04 64bit

显卡：Nvidia GeForce 1080Ti

下载

CUDA、cuDNN、NVIDIA间存在某种关系，建议先确定要安装的CUDA版本。

注意：后续要安装的一些包不支持CUDA9.1。

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive

NVIDIA驱动下载地址：https://www.geforce.cn/drivers

Anaconda下载地址：https://www.anaconda.com/download/

本次实验环境选择的是CUDA版本为9.0。目前CUDA仅支持Ubuntu17.04和Ubuntu16.04系统版本的下载安装，由于存在一定的向下兼容性，经测试可以选择16.04系统版本安装文件。安装类型选择runfile，其中下载文件名“cuda_9.0.176_384.81_linux.run ”中384.81指驱动版本必须低于这个版本，但也不能太低。安装其它版本也一样。

NVIDIA驱动本次实验选择的是384.13版本。

cuDNN选择支持CUDA 9.0的最新版 V7.1.4。如图:

安装NVIDIA驱动

ubuntu自带的nouveau驱动会影响CUDA安装，如不禁用会导致一些操作后循环登录。

在终端运行:

lsmod | grep nouveau 

若有输出，则运行:

sudo gedit /etc/modprobe.d/blacklist.conf 

在打开的文件末尾添加：

blacklist nouveau

执行:

sudo update-initramfs -u 

重启后再次执行：

lsmod | grep nouveau 

若无输出则可执行后面的操作。

执行sudo apt-get remove --purge nvidia-*卸载原有NVIDIA驱动。

ctrl+alt+F3进入字符界面。执行：sudo service lightdm stop关闭图形界面。

进入驱动存放文件夹，执行：

sudo chmod a+x NVIDIA-Linux-*.run //获取权限
sudo ./NVIDIA-Linux-*.run –no-x-check –no-nouveau-check –no-opengl-files //安装驱动

其中-no-opengl-files 是必须的，其它两个可以不用敲 。

完成后重启。运行命令nvidia-smi.出现如下界面说明驱动安装成功。

安装CUDA

由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，

故手动进行降级：

sudo apt-get install gcc-4.8 sudo apt-get install g++-4.8

装完后进入到/usr/bin目录下,执行： ls -l gcc*。结果如下：

lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.3

发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:

sudo mv gcc gcc.bak #备份 
sudo ln -s gcc-4.8 gcc #重新链接

同理，对g++也做同样的修改：

ls -l g++*

lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.3

需要将g++链接改为g++-4.8:

sudo mv g++ g++.bak 
sudo ln -s g++-4.8 g++

再查看gcc和g++版本号：

gcc -v g++ -v

均显示gcc version 4.8 ，说明gcc 4.8安装成功。

进入存放CUDA安装文件的文件夹。执行：

sudo sh cuda_*.run --no-opengl-libs

对下载的四个补丁程序执行同样的操作。

注意：执行过程中不要安装CUDA内的NVIDIA驱动。

安装完成后执行：sudo gedit /etc/profile.在打开文件后在文件末尾添加路径,如下：　

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH　

保存后重启电脑，进入终端。执行：

cd  /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

若有result=PASS，则CUDA安装成功。

安装cuDNN

进入cuDNN安装文件存放目录，执行：

tar -xzvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h

安装Anaconda

下载python3.6版本的安装包。

进去Anaconda安装文件存放目录，执行：

bash Anaconda3-xxxx.sh 

安装后执行：source ~/.bashrc.终端执行conda list后显示已安装包列表则说明安装成功。否则执行sudo gedit ~/.profile,添加如下信息。

if [ -d "$HOME/anaconda3/bin" ] ; then
    PATH="$HOME/anaconda3/bin:$PATH"
fi 

执行：source .profile，使之生效。

环境创建及依赖包安装

程序由python2.7编写，我们需要通过安装好的Anaconda创建虚拟环境。（可以不使用Anaconda直接在系统中进行，使用Anaconda便于在不同的环境间切换。）

在终端执行：conda create -n py27 pip python=2.7创建环境。-n 即name。

执行source activate py27激活环境。

执行pip install torch torchvision安装PyTorch和 torchvision(CUDA9.0环境下)。其它版本CUDA用户安装命令见https://pytorch.org/。

Ubuntu 18.04 实验环境配置

标签：dev   document   result   $path   cti   保存   依赖   libs   version   

原文地址：https://www.cnblogs.com/aclearn/p/9463958.html