Ubuntu系统安装与深度学习环境配置
Ubuntu系统安装与深度学习环境配置
Ubuntu系统安装
-
插入U盘，开机按F11选择启动项为U盘（需要将boot改为UEFI引导）
-
Try ubuntu，进去之后选择install ubuntu
-
不要选择删除或者和window共存，选择其他安装
-
分区：需要将/boot所在分区修改为安装启动引导器的设备，其中/boot为启动引导盘，200-500M；swap为虚拟交换内存，为电脑内存的2倍；/为系统盘，所有软件的安装位置；/home为其他盘，用于存储文件
| 分区 | 大小 | 类型 | 文件 |
|---|---|---|---|
| /boot | 500M | 逻辑分区 | Ex4 |
| swap | 30G | 逻辑分区 | swap |
| / | 150G | 主分区 | Ex4 |
| /home | 300G | 主分区 | Ex4 |
- 等待安装完成，重启，拔出U盘
Ubuntu系统基本设置
-
设置用户用户密码
sudo passwd root -
进入root用户
su然后退出exit -
更改系统的源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
vim /etc/apt/sources.list
# 从 mirrors.aliyun.com复制ubuntu 18.04的设置
- 更新系统软件
sudo apt update
sudo apt upgrade
dpkg --get-selections |grep linux-image # 显示所有的内核
dpkg --get-selections |grep linux
uname -r # 当前所有内核
sudo apt-mark hold linux-image-5.3.0-62--generic # 禁止内核更新
sudo apt-mark hold linux-headers-5.3.0-62-generic
Xrandr --output DP-1 --primary --auto
Xrandr --output HDMI-1 --right-of DP-1 --auto
深度学习环境配置
- nvidia显卡驱动安装：安装的是440，参考
sudo apt-get purge nvidia*
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -u
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices
sudo apt-get install nvidia-driver-440
sudo reboot
- 安装依赖库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev - 降低gcc版本
g++ --version
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 50
sudo sh cuda_10.0.130_410.48_linux.run
- 安装cudnn7.4.1 参考
tar -zxvf cudnn-10.0-linux-x64-v7.4.1.5.tgz
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
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
sudo bash Anaconda3-2020.02-Linux-x86_64.sh
- 修改pip源：参考
cd ~
mkdir .pip
sudo vim .pip/pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = mirrors.aliyun.com
- 安装tensorflow和keras
pip install tensorflow-gpu==1.14.0
pip install tensorflow-gpu==1.14.0
pip install keras
- 测试gpu是否可用：可用 参考
import tensorflow as tf
tf.test.gpu_device_name()
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
import tensorflow as tf # 需要设置gpu的显存使用率，不然会报错
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC' #A "Best-fit with coalescing" algorithm, simplified from a version of dlmalloc.
config.gpu_options.per_process_gpu_memory_fraction = 0.3
config.gpu_options.allow_growth = True
set_session(tf.Session(config=config))
- 安装pytorch 1.2：官网安装方式
pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
