deepin linux 15.5 + 小米笔记本pro 下的深度学习环境tensorflow-gpu 1.4版本搭建过程

电玩女神 2022-05-31 09:05 376阅读 0赞

# 深度学习环境tensorflow-gpu 1.4安装过程记录 #

换了个小米笔记本用来办公，内置win10，因为硬盘容量较小，搭建linux双系统的想法只好暂时搁置，忍着用了几个月。

前几天买了块硬盘，升级了一下笔记本，这下终于可以装上双系统了，程序猿还是觉得linux用起来舒服啊（打游戏除外…）= =

本来打算装ubuntu的，但是偶然间发现了国内团队做的deepin linux，感觉很赞啊，就用上了。程序猿嘛，接下来，就是开发环境的搭建了。于是，就有了这篇博文。

参数：

*  操作系统：**Deepin Linux 15.5**
 *  笔记本： **小米笔记本pro**
 *  显卡：**Nivdia MX150**
 *  tensorflow版本：**1.4**
 *  cuda版本：**8.0**
 *  cudnn版本：**6**

搭建过程中碰到了很多坑，中间有一次失败尝试导致系统出现异常，重装了系统。现总结正确安装方式，一来给自己备忘，二来给有需要的同学作为参考。

--------------------

## 一、安装显卡驱动 ##

用的是deepin 15.5系统，该系统提供驱动管理工具，可以很简单为显卡安装驱动。ubuntu系统提供的也有类似的工具，其他系统我不太熟悉，请自行研究。装驱动还是挺简单的，多搜一下就可以了。

下图是deepin的驱动管理工具，我为显卡安装了大黄蜂版的显卡驱动（bumblebee-nvidia和nvidia-driver），如下图，上面那个就是MX150的显卡驱动，下面那个是我的核显驱动，可以不用管它。

![驱动管理器][70]

选中对应驱动，保存即可。

打开终端，在终端内输入以下命令：

sudo apt-get update
    sudo apt-get install nvidia-smi

通过nvidia-smi，我们可以查看显卡信息，以确认我们的驱动是否正确安装了。在终端内输入：

optirun nvidia-smi

因为我们安装的是大黄蜂版的显卡驱动，所以显卡是由bumblebee进行管理的。为了降低能耗，平时独显是处于关闭状态的，如果有程序需要使用到独显，可以通过optirun进行启动。对于做深度学习训练这样可能太麻烦了，是有解决方法的，后面我会详细介绍。  
如果显卡驱动安装正确，运行上面的命令，你会看到类似于下面的输出：  
![显卡信息][70 1]

至此，驱动安装完成。

## 二、安装tensorflow-gpu ##

兼容原因，安装tensorflow-gpu 1.4版本。

很简单，如果没安装pip的话，要先安装pip：

sudo apt-get install python-pip

安装完成后，输入：

pip install tensorflow-gpu==1.4

即可完成tensorflow-gpu 1.4版本的安装。

需要注意的是，tensorflow-gpu版本需要完成cuda和cudnn的安装才能运行。这个时候的tensorflow是不能运行的，在python中输入`import tensorflow`会报错。

请往下读。

## 三、安装cuda ##

为了兼容，我们这里安装cuda 8。

网上找了很多教程，结果还是在这里卡了很久，因为很多都不适用。别人用起来正常，在我这里可能就出错了。最后，我选择了相当简单粗暴的一种方法：

打开终端，输入如下命令：

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

打完收工，安装完毕！

## 四、安装 cudnn ##

兼容原因，这里安装cudnn 6。

首先，从官网下载压缩包`cudnn-8.0-linux-x64-v6.0.tgz`。免费下载，需要登录，如无账号请自行注册。下载地址为[https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]

下载完成后得到压缩包：  
![压缩包][70 2]

对压缩包进行解压，得到一个名为cuda的文件夹。正常来说，我们需要将cuda中的一些文件复制到`/usr/local/cuda-8.0/***`的路径下，并配置相关路径。但这里，我们的做法有点不同。

因为，我们是用apt-get安装的，所以，我们是不存在`/usr/local/cuda-8.0/***`路径的，也不需要配置环境路径。但复制还是要复制的，不过位置变了一下，这里是第二个卡住我的问题点，找了很久，知乎的一位答友[吕俊奇][Link 1]的回答给了我启发(回答的链接我会放到文末的**参考**中)，这里要做如下操作：

第一，将解压出来的`cuda/include/`下的`cudnn.h`文件复制到`/usr/local/include/`目录下。

第二，将`cuda/lib64/`目录下的所有文件复制到python环境的tensorflow包的`tensorflow/python/`目录下，比如，对我来说该路径就是`/home/aaron/.local/lib/python2.7/site-packages/tensorflow/python`，这个路径因人而异，请参考我的路径自行查找。

## 五、测试 ##

至此，安装全部完成。我们测试一下是否安装成功。

在测试之前，埋一下前面的坑。

关于bumblebee版显卡驱动在深度学习训练中的开启和关闭：  
在进行训练前，在终端输入`sudo tee /proc/acpi/bbswitch <<< ON`，可开启显卡。  
在训练结束后，在终端输入`sudo tee /proc/acpi/bbswitch <<< OFF`，可关闭显卡。

开启显卡在终端中打开python，并尝试引入tensorflow：

python
    >>> import tensorflow as tf

如果没有安装成功，会报错。  
如果没有报错，那说明安装的没有问题。继续输入：

>>> sess=tf.Session()

会输出显卡信息：  
![显卡信息][70 3]

好了，恭喜，到了这里，你已经完成了全部内容，祝你好运！

## 参考 ##

\[1\] [Deepin15.4 下 CUDA 配置方法][Deepin15.4 _ CUDA]  
\[2\] [deepin15.5下安装tensorflow][deepin15.5_tensorflow]  
\[3\] [Ubuntu16.04无法安装CUDA吗？ - 吕俊奇的回答 - 知乎][Ubuntu16.04_CUDA_ - _ -]

[70]: /images/20220531/f1fca1c99f174f03a6946b2434eaa7af.png
[70 1]: /images/20220531/85a8cf6e9cfe499089eb6e1f81e0695f.png
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[70 2]: /images/20220531/afc7fc302d714fa9982e931e8d41f058.png
[Link 1]: https://www.zhihu.com/people/lu-jun-qi-27/activities
[70 3]: /images/20220531/da7453c0235d4ce99e5a0c0bac9612cc.png
[Deepin15.4 _ CUDA]: http://blog.csdn.net/liaodong2010/article/details/71482304
[deepin15.5_tensorflow]: http://blog.csdn.net/zibuyu1226/article/details/79212229
[Ubuntu16.04_CUDA_ - _ -]: https://www.zhihu.com/question/43711830/answer/98118619