系统安装Nvidia显卡驱动 + cuda10.0 + cudnn + anaconda(python 3.6) + tensorflow2.0安装

喜欢ヅ旅行 2023-06-15 09:47 9阅读 0赞

显卡配置：GeForce RTX 2080 Ti  
系统：18.04

# 1. 版本选择 #

https://www.tensorflow.org/install/source\#common\_installation\_problems  
https://blog.csdn.net/qq\_27825451/article/details/89082978  
Linux， GPU

Version Python version Compiler Build tools cuDNN CUDA  
tensorflow-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0

# 2. ubuntu 系统安装 #

# 3. NVIDIA 驱动安装 #

## 3.1 禁用nouveau并重启 ##

输入 `lsmod | grep nouveau`有输出，说明nouveau正在工作

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

blacklist nouveau options 
    nouveau modeset=0

重启， 输入 `lsmod | grep nouveau`无输出，正常，检验通过

## 3.2 辅助工作 ##

sudo yum -y install gcc-c++ 
    sudo apt-get update

## 3.3 下载 run 文件 ##

选nvidia驱动版本

ubuntu-drivers devices

下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

## 3.4 安装 ##

安装驱动前联网，后续要安装一个包，可以更改一下源到清华源，速度快一些  
通过`Ctrl+Alt+F3`进入终端  
`service lightdm stop`  
注意：此步要进行，因为会与nvidia 的驱动冲突，先关闭  
`sudo chmod +x NVIDIA-Linux-x86_64-430.26.run`  
`sudo bash NVIDIA-Linux-x86_64-430.26.run –no-opengl-files –no-x-check`  
注意： 必须加参数\*–no-opengl-files\*，否则页面循环登录  
过程中的参数选择参考：https://blog.csdn.net/wf19930209/article/details/95237824  
`sudo apt install lightdm`  
`service lightdm start`  
关于 lightdm参考链接：(https://blog.csdn.net/chentianting/article/details/85089403)  
回到主见面 `ctrl + alt + f2`

## 3.6 result ##

nvidia-smi

## 3.5 采坑记录 ##

在我的系统中 直接采用 `sudo apt-get install nvidia-settings nvidia-driver-430 nvidia-prime`的方式会陷入开机界面循环登录的过程。  
但是该方法在很多链接中有效，比如：https://blog.csdn.net/BigData\_Mining/article/details/99670642  
应该是看各自的电脑情形不同有不同的反应。

# 4. cuda 10.0安装 #

注意此处下载cuda10.0 而非10.1， cuda10.1 不兼容 tensorflow2.0  
下载链接：  
http://developer.nvidia.com/cuda-downloads

`sudo sh cuda_XXX_linux.run`

*  安装过程

不安装 driver(原因步骤2已安装）

*  通过bashrc添加环境变量，三部曲操作，打开，添加，生效

gedit ~/.bashrc

export CUDA_HOME=/usr/local/cuda 
    export PATH=$PATH:$CUDA_HOME/bin 
    export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

source ~/.bashrc

*  检验cuda安装成功与否

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

出现Result=Pass 安装成功

## cuda10.1 卸载 ##

sudo /usr/local/cuda-10.1/bin/cuda-uninstaller

同时按照三部曲，打开，添加，生效； 注释掉 cuda的PATH

#export PATH="/usr/local/cuda-10.0/bin:$PATH" 
     #export LD_LIBRARY_PATH="/usr/lcoal/cuda-10.0/lib64:$LD_LIBRARY_PATH"```

# 5.cudnn 安装 #

登录Nvidia账户，下载： https://developer.nvidia.com/rdp/cudnn-archive， 选择`cuDNN library for linux`版本

解压并进入文件夹 + 复制

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

检验安装成功与否

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

从上到下以此7 6 1 表明版本7.6.1

# 6. ananconda python 3.6 安装 #

清华源镜像下载anaconda版本，注意版本对应，最新3-5.3.0对应着python3.7与tensorflow要求不符合，下载*Anaconda3-5.2.0*  
下载以后安装, 注意为进一步使用Jupyter, Spyder本文安装链接在`/usr/local/anaconda3`  
(参考链接：https://www.cnblogs.com/jisongxie/p/10053760.html)

sh Anaconda3-5.2.0-Linux-x86_64.sh

第二步修改安装路径

三部曲环境变量：

sudo gedit /etc/profile

文本末尾

export PATH=/usr/local/anaconda3/bin:$PATH

source /etc/profile

关机重启有效，终端输入python有anaconda字样

## anaconda 卸载 ##

*  删除目录

rm -rf  /usr/local/anaconda3

此处如果是安装到Home文件即

rm -rf  ~/anaconda3

*  三部曲清理路径  
    `sudo gedit /etc/profile`或者 `sudo gedit ~/.bashrc`  
    注释掉与anaconda3相关的内容 `#export PATH=/usr/local/anaconda3/bin:$PATH`或 如链接https://blog.csdn.net/weixin\_41528941/article/details/90903584  
    生效`source /etc/profile`或 `source ~/.bashrc`  
    重开终端 or 开机重启 有效，输入Python无任何输出

# 7. tensorflow 2.0 安装 #

sudo pip install --upgrade pip

sudo pip install tensorflow-gpu==2.0.0-alpha0

*  t替代方法： 迅雷下载wheel文件再进行安装

https://pypi.tuna.tsinghua.edu.cn/packages/1a/66/32cffad095253219d53f6b6c2a436637bbe45ac4e7be0244557210dc3918/tensorflow_gpu-2.0.0a0-cp36-cp36m-manylinux1_x86_64.whl

sudo pip install tensorflow_gpu-2.0.0a0-cp36-cp36m-manylinux1_x86_64.whl

ceshi:  
https://tensorflow.google.cn/tutorials/quickstart/beginner

from __future__ import absolute_import, division, print_function, unicode_literals
    
    # Install TensorFlow
    
    import tensorflow as tf
    mnist = tf.keras.datasets.mnist
    
    (x_train, y_train), (x_test, y_test) = mnist.load_data()
    x_train, x_test = x_train / 255.0, x_test / 255.0
    model = tf.keras.models.Sequential([
      tf.keras.layers.Flatten(input_shape=(28, 28)),
      tf.keras.layers.Dense(128, activation='relu'),
      tf.keras.layers.Dropout(0.2),
      tf.keras.layers.Dense(10, activation='softmax')
    ])
    
    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
    model.fit(x_train, y_train, epochs=1)
    
    model.evaluate(x_test,  y_test, verbose=2)