• Home
  • Categories
  • WIKI
  • LANGUAGE: en
    • deepin15.5+cuda9.0+cudnn+tensorflow1.5.0+pytorch
    Apps Section 3018 views · 1 replies ·
    Tofloor
    poster avatar
    yanming0914
    deepin
    2018-04-16 00:53
    Author
    Deepin15.5+cuda9.0+cudnn7.1+tensorflow1.5+pytorch0.3.0
    本文主要参考以下博文：
    https://blog.csdn.net/balixiaxuetian/article/details/79154013，帮了我不少忙，鸣谢博主
    最新版的tensorflow1.7 和torch0.3都还不支持cuda9.1，真是坑
    硬件：台式：g4560， gt1030
    神舟笔记本：g4560+gtx1050
    显卡驱动：NVIDIA-Linux-x86_64-384.130.run
    装了一周的cuda，ubuntu之类的坑都踩过，写下这篇文档以备回顾
    准备工作：
    [size=10.5000pt]1、安装依赖包：
    l sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler  
    l   
    l sudo apt-get install --no-install-recommends libboost-all-dev  
    l   
    l sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev  
    l   
    l sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev  
    l   
    l sudo apt-get install git cmake build-essential
    2、禁用nouveau：
    打开文件：
    sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
    写入：
    blacklist nouveau
    options nouveau modeset=0
    配置生效：
    sudo update-initramfs -u
    重启：
    Reboot
    检查：
    lsmod | grep nouveau
    如果没有输出，说明禁用成功
    3、安装驱动：
    从NVIDIA官网下载驱动：NVIDIA-Linux-x86_64-384.130.run
    关闭桌面：
    sudo service lightdm stop
    按ctrl+alt+F2进入终端模式
    使用 sudo bash NVIDIA-Linux-x86_64-384.130.run 安装驱动，询问到是否build kernel DKMS 的时候选择no
    安装好之后重启
    使用nvidia-smi检查是否安装成功：
    有输出说明成功
    配置环境变量：
    sudo gedit ~/.bashrc
    加入：
    export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnuLD_LIBRARY_PATH
    export LD_LIBRARY_PATH=/lib/x86_64-linux-gnuLD_LIBRARY_PATH
    使环境变量生效：
    source ~/.bashrc
    4、安装cuda9.0
    在桌面环境下即可进行
    sudo sh cuda_9.1.85_387.26_linux.run --no-opengl-libs
    看完协议后：
    1. Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?  
    2. (y)es/(n)o/(q)uit: n
    1. Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?  
    2. (y)es/(n)o/(q)uit: n  
    3.   
    4. Install the CUDA 9.1 Toolkit?  
    5. (y)es/(n)o/(q)uit: y  
    6.   
    7. Enter Toolkit Location  
    8.  [ default is /usr/local/cuda-9.0 ]: Enter   
    9.   
    10. Do you want to install a symbolic link at /usr/local/cuda?  
    11. (y)es/(n)o/(q)uit: y  
    12.   
    13. Install the CUDA 9.0 Samples?  
    14. (y)es/(n)o/(q)uit: y  
    15.   
    16. Enter CUDA Samples Location  
    17.  [ default is /home/ccem ]: Enter
    配置环境变量：
    sudo gedit ~/.bashrc
    加入：
    export PATH=/usr/local/cuda/binPATH
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64LD_LIBRARY_PATH
    使环境变量生效：
    source ~/.bashrc
    检查：
    cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery
    sudo make
    ./deviceQuery
    如果出现显卡信息，并且最后一行为：
    Result = PASS
    说明成功， 如果为FAIL 则是显卡驱动和cuda不符合，另外安装
    卸载cuda：
    1. cd /usr/local/cuda/bin  
    2. sudo ./uninstall_cuda_9.0.pl
    到/usr/local下：
    sudo rm -r cuda-9.0
    5、安装CUDNN：
    解压：cudnn-9.0-linux-x64-v7.1.tgz
    得到cuda文件夹， 进入include文件夹：
    sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
           
    进入lib64文件夹：
    1. sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库  
    2. cd /usr/local/cuda/lib64/   
    3. sudo rm -rf libcudnn.so libcudnn.so.7  #删除原有动态文件  
    4. sudo ln -s libcudnn.so.7.1.2 libcudnn.so.7  #生成软衔接  
    5. sudo ln -s libcudnn.so.7 libcudnn.so  #生成软链接
    随后需要将路径/usr/local/cuda/lib64 添加到动态库：
    sudo gedit /etc/ld.so.conf.d/cuda.conf
    添加：
    /usr/local/cuda/lib64
    检查：
    nvcc -V
    有输出说明成功
    6、安装tensorflow：
    最新版的tensorflow-gpu1.7 和tensorflow-gpu1.6在import tensorflow as tf 的时候到会报错，无法运行，只能安装tensorflow-gpu1.5
    (1) sudo apt install python-pip
    (2) sudo pip install numpy, pandas, matplotlib, scipy, scikit-learn, scikit-image
    (3) sudo pip install tensorflow-gpu==1.5.0
    7、安装pytorch
    到pytorch官网：http://pytorch.org/
    点击：Click here for previous versions of PyTorch
    进入下一个页面：
    根据cuda版本和python版本进行选择
    (1)sudo pip install torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl
    (2) sudo pip install torchvision

    Reply Favorite View the author
    All Replies
    avatar
    mxdlzg
    deepin
    2018-04-16 03:09
    #1
    我这几天一直在折腾这个，最后让我发现一个方法，我觉得暴力添文件的话基本哪个版本的tensorflow都能跑
    1 先用官网的run安装cuda9.0，不安驱动
    2 安装bumblebee 和primus， --no-install-recommends
    3 手动安装对应cuda版本的驱动，这时候应该是bumblebee正常运行了，但是tensorflow找不到驱动的so文件，好像手动安的驱动没有对应的libcuda.so.1这个文件
    4 下载nvidia官网的对应版本驱动，不要安装，手动解压缩
    5 在解压好的文件夹内找到对应的libcuda。so库，缺什么补什么，少什么添什么，直接把文件丢进/usr/lib/下，或者/usr/lib/nvidia下面
    6 下载对应版本的cudnn丢进lib里，这样tensorflow基本就能跑了，bumblebee也正常
    我用的是tensorflow-gpu 1.7.0,没有任何问题
    Reply View the author