YOLO 训练环境搭建（Ubuntu18.04+Cuda9.0+Cudnn7.1）

标签：edit   detail   note   hive   rdp   软件   grep   export   art   

1、先查看是否安装有以下组件，若有先考虑彻底删除再安装（安装严格按照下面顺序进行）

查看nvidia 版本

nvidia-smi

查看cuda 版本

cat /usr/local/cuda/version.txt

查看cudnn 版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

2、nvidia 驱动，cuda，cudnn对应关系

 nvidia与cuda要求的版本对应关系：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cuda与cudnn需要满足关系：

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

3、安装nvidia驱动

首先去官网上查看适合你的GPU的驱动

https://www.geforce.cn/drivers

注意 笔记本电脑 要选择Notebooks版本的驱动

例如 y7000笔记本 gtx1060适合的驱动

推荐安装方法参考下面链接：
https://www.cnblogs.com/luofeel/p/8654964.html（最推荐的但复杂）

最简单安装但不推荐使用：

UBUNTU右上角》系统设置》软件与更新》附加驱动选择》重启。

不推荐理由：失败概率有些高，而且容易造成循环登录的问题。

nvidia安装完毕后，终端输入

nvidia-smi

法1：UBUNTU右上角》系统设置》软件与更新》附加驱动选择》重启。这个方法最简单，但不推荐。不推荐理由：失败概率有些高，而且容易造成循环登录的问题。

另外也可以通过：

nvidia-settings

查看自己机器上详细的GPU信息，本人机器的信息如下：

4、降级gcc

由于Cuda-9.0只支持gcc-6.0以下的版本，而Ubuntu18.04系统默认安装的gcc-7.3版本（可以在终端输入gcc --version查看系统安装的gcc版本），所以首先需要降级为gcc-5版本。

• 首先需要安装gcc-5

在终端输入：

sudo apt install gcc-5
sudo apt install g++-5

• 链接至gcc-5版本

在终端输入：

cd /usr/bin
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-5 gcc
sudo mv g++ g++.bak
sudo ln -s g++-5 g++

通过gcc --version查看系统的gcc版本是否已更改

5、安装对应版本的Cuda

cuda是nvidia的编程语言平台，想使用GPU就必须要使用cuda

https://developer.nvidia.com/cuda-toolkit-archive

保守起见，选择cuda9.0进行安装，也可以选择更高版本的

注意 9.0 是没有 18.04可选的，但我们选择16.04依然可以安装，正常使用（还没遇到过不正常状态）依次下载下面五个installers

基础安装包

sudo sh cuda_9.0.176.384.81_linux.run --override

在安装过程中 按Q跳过阅读more，会出现几个是否选装和安装位置的选项

其中第二个不需要安装NVIDIA驱动（系统已安装），其余都选择yes或者敲回车。

四个更新包

sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run

修改环境变量

安装完Cuda-9.0后，还需要将其添加至系统环境变量。

sudo gedit  ~/.bashrc

打开“profile”文件，在末尾处添加（注意不要有空格，不然会报错):

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64$:LD_LIBRARY_PATH
#注意这里不要写cuda几点几，因为我们要实现多版本切换

或者你不需要切换版本

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

保存文本后，更新系统环境变量：

source ~/.bashrc

至此，可以通过在终端输入nvcc -V，检查Cuda-9.0是否安装成功。

也可以测试cuda的Samples

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

注意路径要根据你自己的进行修改

如果显示的是一些关于GPU的信息，则说明安装成功了。

6、安装对应版本的cudnn

首先去官网下载你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。
https://developer.nvidia.com/rdp/cudnn-archive

安装完Cuda之后，继续安装与Cuda-9.0版本对应的Cudnn

下载这三个deb安装包 （如果你是cuda其他版本就点击其他版本的类似的）

sudo dpkg -i ‘Runtime Library.deb‘
sudo dpkg -i ‘Developer Library.deb‘
sudo dpkg -i ‘Code Sample and User Guide.deb‘
sudo apt-get update

sudo dpkg -i  "xxxxxxxxxxxxx "是你需要填的下载的deb的实际命名名称

安装完之后可以检查是否安装成功，在终端输入下面代码，如果安装成功会显示Test Passed字样。

  cd /usr/src/cudnn_samples_v7/mnistCUDNN
  sudo make
  ./mnistCUDNN

7.卸载Cuda和Cudnn

卸载Cuda-9.0

终端输入

cd /usr/local/cuda-9.0/bin
sudo ./uninstall_cuda_9.0.pl

卸载Cudnn

终端输入

sudo apt remove cudnn*

8.安装tensorflow-gpu

直接通过pip安装Tensorflow-gpu

sudo pip3 install tensorflow-gpu

本文参考整理自

https://blog.csdn.net/hancoder/article/details/86634415

YOLO 训练环境搭建（Ubuntu18.04+Cuda9.0+Cudnn7.1）

标签：edit   detail   note   hive   rdp   软件   grep   export   art   

原文地址：https://www.cnblogs.com/clemente/p/10386479.html