【AI模型】Ubuntu18.04深度学习环境安装

DevFrank

发布于 2024-07-24 14:40:11

650

发布于 2024-07-24 14:40:11

文章被收录于专栏：C++开发学习交流

1. 环境安装

首先默认大家已安装好Ubuntu 18.04系统。

安装gcc、cmake：

sudo apt update
sudo apt-get install build-essential 
sudo apt-get install cmake

查看编译环境版本：

gcc  --version

cmake --version

2. 显卡查看与配置

打开“软件与更新”，找到“附加驱动”，选择适合自己的驱动并应用，然后重启计算机；

打开终端，输入nvidia-smi查看显卡信息；

更详细的深度学习环境配置参见： Ubuntu系统深度学习环境配置

3. 安装CUDA

搜索CUDA Toolkit 11.0（对应版本号），选择对应的系统和位数，官方会提供安装命令；如下所示：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu1804-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1804-11-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

安装完成后，在终端输入cd /usr/local/cuda-11.0/bin && ./nvcc -V，得到如下输出则表示安装成功。

但为了方便深度学习软件的使用，还要把相关路径加入PATH。打开文件~/.profile（若不存在则新建），在文档末尾添加以下内容：

# set PATH for cuda 11.0(对应版本) installation
if [ -d "/usr/local/cuda-11.0/bin/" ]; then
    export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
fi

重启计算机使环境生效。

4. 安装cudnn深度神经网络基元库

选择适合自己系统的版本下载点击cuDNN v8.0.4 (September 28th, 2020), for CUDA 11.0并根据自己的操作系统选择合适的版本。其中，cuDNN Runtime Library和cuDNN Developer Library是必须要下载的，cuDNN Code Samples and User Guide为可选项目。然后依次安装前面下载的几个文件：

sudo dpkg -i libcudnn8_8.0.4.30-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.4.30-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.4.30-1+cuda11.0_amd64.deb

此时，显卡已经配置完成。

5. python3环境配置

创建基于python3的虚拟环境，然后安装深度学习需要用到的库：

# 安装python3开发库
sudo apt-get install python3-pip python3-venv
# 创建名称为myvenv的虚拟环境
python3 -m venv myvenv
# 激活myvenv虚拟环境
source myvenv/bin/activate
# pip安装深度学习相关第三方库
pip install tensorflow-gpu