正文

Ubuntu 18系统下NVIDIA显卡深度学习框架安装全攻略，一步到位！

/0 浏览量
0614

在Ubuntu 18系统下，安装支持NVIDIA显卡的深度学习框架是一个相对复杂的过程，但只要按照以下步骤进行，就能一步到位，轻松完成安装。本文将详细介绍如何安装CUDA、cuDNN以及常用的深度学习框架，如TensorFlow、PyTorch等。

准备工作

在开始安装之前，请确保您的Ubuntu 18系统已经更新到了最新版本。可以使用以下命令更新系统：

sudo apt update
sudo apt upgrade

安装CUDA

CUDA是NVIDIA推出的并行计算平台和编程模型，是深度学习框架运行的基础。以下是安装CUDA的步骤：

  1. 下载CUDA Toolkit：访问NVIDIA官网下载CUDA Toolkit，选择与您的NVIDIA驱动版本相匹配的CUDA版本。

  2. 卸载旧版本：如果之前安装过CUDA Toolkit，请先卸载旧版本。

sudo apt-get remove --purge nvidia-* cuda*
  1. 创建CUDA安装目录：
sudo mkdir -p /usr/local/cuda
  1. 安装CUDA Toolkit：解压下载的CUDA Toolkit安装包，并执行安装脚本。
sudo sh cuda_11.0.3_450.66.01_linux.run
  1. 配置环境变量：将CUDA Toolkit的bin目录添加到环境变量中。
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
  1. 验证CUDA安装：在终端中执行以下命令，检查CUDA是否安装成功。
nvcc --version

安装cuDNN

cuDNN是NVIDIA为深度神经网络加速而设计的库，以下是安装cuDNN的步骤：

  1. 下载cuDNN：访问NVIDIA官网下载cuDNN，选择与您的CUDA版本相匹配的cuDNN版本。

  2. 解压cuDNN：将下载的cuDNN文件解压到CUDA Toolkit的安装目录下。

tar -xzvf cudnn-linux-x64-v8.0.4.44.tgz -C /usr/local/cuda/
  1. 配置环境变量：将cuDNN的include和lib目录添加到环境变量中。
echo 'export CUDNN_DIR=/usr/local/cuda' >> ~/.bashrc
echo 'export CUDNN_INC=$CUDNN_DIR/include' >> ~/.bashrc
echo 'export CUDNN_LIB=$CUDNN_DIR/lib64' >> ~/.bashrc
echo 'export PATH=$PATH:$CUDNN_LIB' >> ~/.bashrc
source ~/.bashrc

安装深度学习框架

安装TensorFlow

TensorFlow是Google开发的开源深度学习框架，以下是安装TensorFlow的步骤：

  1. 安装pip：如果未安装pip，请先安装pip。
sudo apt install python3-pip
  1. 创建虚拟环境：创建一个Python虚拟环境，以便于管理依赖项。
python3 -m venv tensorflow_env
source tensorflow_env/bin/activate
  1. 安装TensorFlow：使用pip安装TensorFlow。
pip install tensorflow-gpu==2.4.0

安装PyTorch

PyTorch是Facebook开发的开源深度学习框架，以下是安装PyTorch的步骤：

  1. 创建虚拟环境：与TensorFlow类似，创建一个Python虚拟环境。
python3 -m venv pytorch_env
source pytorch_env/bin/activate
  1. 安装PyTorch：使用pip安装PyTorch。
pip install torch torchvision torchaudio cudatoolkit=11.0 -f https://download.pytorch.org/whl/torch_stable.html

总结

通过以上步骤，您已经成功在Ubuntu 18系统下安装了支持NVIDIA显卡的深度学习框架。现在，您可以开始使用这些框架进行深度学习了。希望本文能帮助您顺利安装深度学习框架，祝您学习愉快！

-- 展开阅读全文 --