Skip to content

Latest commit

 

History

History
108 lines (74 loc) · 2.16 KB

env.md

File metadata and controls

108 lines (74 loc) · 2.16 KB
Raw

深度学习

NumCPP 依赖 boost

sudo apt update
sudo apt install libboost-all-dev -y

NVIDIA 显卡驱动

法一: 添加新 nvidia 官方驱动源

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

安装驱动(对应我的笔记本 GTX1060 显卡，驱动是 410)

sudo apt-get install nvidia-410 nvidia-settings

法二： 打开 设置>>软件和更新>>附加驱动 选中驱动,应用更改 如果失败，勾选 设置>>软件和更新>>更新>>推荐更新

CUDA

sudo sh cuda_9*.run

安装过程中，会问你几个问题。只要在安装 Nvidia 显卡驱动时选择 no 就好了。(Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62? n)其它的都可以选择 yes. 完成后，执行:

sudo gedit ~/.bashrc

在末尾添加:

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存后：

source ~/.bashrc

测试是否安装成功：

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery

cuDNN

tar -xzvf cudnn-9.0-linux-*.tgz

解压后的文件夹名为 cuda，文件夹中包含两个文件夹：一个为 include，另一个为 lib64。最好把这个 cuda 文件夹放在 home 目录下，方便操作。 将解压后的 lib64 文件夹关联到环境变量中。这一步很重要。

sudo gedit ~/.bashrc

在最后一行添加：

export LD_LIBRARY_PATH=/home/cuda/lib64:$LD_LIBRARY_PATH

紧接着：

source ~/.bashrc

配置cuDNN的最后一步就是将解压后的/home/cuda/include目录下的一些文件拷贝到/usr/local/cuda/include中。由于进入了系统路径，因此执行该操作时需要获取管理员权限。

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*

查看 cuDNN 版本：

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

Anaconda

bash Anaconda*.sh