目录
0. 查看最新教程
点击此链接跳转到Nvidia Driver 450、CUDA 11.0、cuDNN 8.0.4版本配置教程
1. 深度学习硬件环境参数
服务器的硬件配置如下：
- CPU型号：Intel Core i7-8700
- 内存大小：64GB
- GPU型号：GeForce GTX 1080 Ti
系统和各基础软件的版本都在下表中列出：
- 操作系统版本：Ubuntu 18.04，64位
- 英伟达显卡驱动：nvidia-driver-410
- CUDA版本：10.0.130
- cuDNN版本：7.6.0.64
2. 深度学习系统环境配置
2.1 安装nvidia驱动
打开终端，依次输入以下命令：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-driver-410
然后重启计算机即可完成驱动安装，在终端输入nvidia-smi命令得到如下示例输出则表明安装成功
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.104 Driver Version: 410.104 CUDA Version: 10.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:01:00.0 On | N/A |
| 0% 29C P8 18W / 250W | 249MiB / 11175MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1259 G /usr/lib/xorg/Xorg 12MiB |
| 0 1376 G /usr/bin/gnome-shell 59MiB |
| 0 3384 G /usr/lib/xorg/Xorg 71MiB |
| 0 3581 G /usr/bin/gnome-shell 92MiB |
+-----------------------------------------------------------------------------+
2.2 安装CUDA
访问CUDA的下载网址，选择适合自己操作系统版本的文件下载，然后打开终端依次输入以下命令：
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
此时CUDA以及安装完毕，在终端输入cd /usr/local/cuda-10.0/bin && ./nvcc -V命令得到如下示例输出则表明安装成功
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130
但是，为了方便下面深度学习软件的使用，还要把相关路径加入PATH。打开文件~/.profile ，在文档末尾添加以下内容：
# set PATH for cuda 10.0 installation
if [ -d "/usr/local/cuda-10.0/bin/" ]; then
export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
fi
重启计算机即可使环境变量生效
2.3 安装cuDNN
打开cuDNN的下载网址，然后点击Download cuDNN v7.6.0 (May 20, 2019), for CUDA 10.0并根据自己的操作系统选择合适的版本。其中，cuDNN Runtime Library和cuDNN Developer Library是必须要下载的，cuDNN Code Samples and User Guide为可选项目。然后依次安装前面下载的3个文件：
sudo dpkg -i libcudnn7_7.6.0.64-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.0.64-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.0.64-1+cuda10.0_amd64.deb
3. python3软件环境配置
创建基于python3的虚拟环境，然后安装深度学习以及本项目需要用到的库：
# 安装python3开发库
sudo apt-get install python3-pip
# 创建名称为myvenv的虚拟环境
python3 -m venv myvenv
# 激活myvenv虚拟环境
source myvenv/bin/activate
# pip安装深度学习相关第三方库
pip install -r numpy==1.16.3 matplotlib==3.1.0 tensorflow-gpu==1.13.1 Keras==2.2.4
晨曦
/
/ - views
Published under (CC) BY-NC-SA 4.0