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:
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。
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*
- 创建CUDA安装目录:
sudo mkdir -p /usr/local/cuda
- 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
- 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
- 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:
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。
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/
- 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:
- 安装pip:如果未安装pip,请先安装pip。
sudo apt install python3-pip
- 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
- 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:
- 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
- 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!
