神舟z7-kp7s1-GTX1060+ubuntu16.04+cuda8.0+cudnn5.1+GPU配置教程

ubuntu16.04+cuda8.0+cudnn5.1+GPU配置教程
1、   安装Ubuntu16.04

2、   安装必要的依赖库

3、   安装cuda8.0

4、   安装cudnn5.1

5、   安装虚拟工作空间

6、   安装机器学习相关的库

7、   安装Tensorflow

8、   参考博客

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1、安装Ubuntu16.04

http://blog.csdn.net/YaoyuT/article/details/78003061

网上教程比较详细不再累赘！

 

2、安装必要的依赖库

2.1由于在安装过程中需要安装NVIDIA GPU驱动，所以首先将系统的图形界面关闭，采用如下方法：

1.  关闭所有的应用程序

2.  按下ctrl + alt + F2 进入SSh终端

3.  输入用户名和密码登陆

4.  Sudo service lightdm stop

5.  然后执行所有的其他安装操作

 

2.2 关闭图形界面之后开始安装依赖库

2.2.1更新升级

sudoapt-get update

sudo apt-get upgrade
2.2.2  安装依赖库

1 2 3 4 5 6 7 8

$ sudo apt-get install build-essential cmake git unzip pkg-config $ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev $ sudo apt-get install libxvidcore-dev libx264-dev $ sudo apt-get install libgtk-3-dev $ sudo apt-get install libhdf5-serial-dev graphviz $ sudo apt-get install libopenblas-dev libatlas-base-dev gfortran $ sudo apt-get install python-tk python3-tk python-imaging-tk

2.2.3安装Python

sudo apt-getinstall
python2.7-dev
python3-dev

 

2.2.4 准备我系统以交换NVIDIA CUDA驱动程序的默认驱动程序

$ sudo apt-get install linux-image-genericlinux-image-extra-virtual
$ sudo apt-get install linux-source linux-headers-generic
 

3、安装CUDA8.0 开发工具

3.1 首先通过创建新文件来禁用Nouveau内核驱动程序：

sudo vi/etc/modprobe.d/blacklist-nouveau.conf

输入一下内容：

1. 2 3 4 5

blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off

 

3.2 接下来我们来更新最初的RAM文件系统并重新启动机器：

$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
$ sudo update-initramfs -u

$ sudo reboot
 
3.3 重启之后，然后使用Ubuntu软件更新NVIDIA 驱动
系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改
 

3.4更新驱动之后要再次按照步骤一中将图形界面关闭，然后执行安装步骤

3.4.1从官网下载cuda8.0，然后按照如下命令安装

$ chmod +x cuda_8.0.61_375.26_linux-run
$ mkdir installers

$ sudo ./cuda_8.0.61_375.26_linux-run -extract=`pwd`/installers
<
d2ca
p style="background:#FDFDFD;"> 
将解压出三个文件：NVIDIA-Linux-x86_64-375.26.run、cuda-linux64-rel-8.0.61-21551265.run、cuda-samples-linux-8.0.61-21551265.run
由于前面利用软件更新安装好了NVIDIA驱动，这里就不用再安装NVIDIA-Linux-x86_64-375.26.run了，要是安装的话会出现一些问题，以为这个驱动基本跟我们的GUP驱动不相匹配，安装了可能导致循环登陆的问题。
 
3.4.2 然后安装：cuda-linux64-rel-8.0.61-21551265.run和cuda-samples-linux-8.0.61-21551265.run
$ sudo ./cuda-linux64-rel-8.0.61-21551265.run
$ sudo./cuda-samples-linux-8.0.61-21551265.run
 
3.4.3 配置环境变量
在~/.bashrc 的最后添加如下配置参数：
# NVIDIA CUDA Toolkit
export PATH=/usr/local/cuda-8.0/bin:$PATH
exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/
 
3.4.4 检验cuda是否安装成功
$ source ~/.bashrc
$ cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

$ sudo make
$ ./deviceQuery

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GTX1060
Result = PASS

 
当出现 Result = PASS

表示安装OK！
4、 安装cuDNN5.1
同样的去官网下载cuDNN5.1
4.1 解压安装cuDNN5.1
$ cd ~
$ tar -zxf cudnn-8.0-linux-x64-v6.0.tgz

$ cd cuda
$ sudo cp -P lib64/* /usr/local/cuda/lib64/

$ sudo cp -P include/* /usr/local/cuda/include/
$ cd ~

 
4.2配置环境变量并修改库的属性

sudo chmod a+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

同样的在~/.bashrc中添加如下配置参数

exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
exportCUDA_HOME=/usr/local/cuda

 

5、 安装python 虚拟环境

5.1安装pip

$ wgethttps://bootstrap.pypa.io/get-pip.py
$ sudopython get-pip.py
$ sudopython3 get-pip.py
 
5.2
$ sudo pipinstall virtualenv virtualenvwrapper
$ sudo rm-rf ~/.cache/pip get-pip.py
 
5.3 添加环境变量（~/.bashrc中）
#virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs
exportVIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source/usr/local/bin/virtualenvwrapper.sh
 
5.4 创建python3的虚拟工作空间
mkvirtualenv dl4cv -p python3
 
5.5 在工作空间上编程
Workon dl4cv
当创建完了虚拟空间之后，一下安装的依赖库都在虚拟工作空间下安装
 
 
 
6、安装机器学习相关的依赖库
6.1 安装 numpy
pip install numpy
6.2 编译和安装opencv3.3
6.2.1 下载opencv3.3
$ cd ~
$ wget -O opencv.ziphttps://github.com/Itseez/opencv/archive/3.3.0.zip
$ wget -Oopencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.3.0.zip  
6.2.2 解压
$ unzip opencv.zip
$ unzip opencv_contrib.zip
 
6.2.3 利用cmake编译
$ cd ~/opencv-3.3.0/
$ mkdir build
$ cd build
$ cmake -D CMAKE_BUILD_TYPE=RELEASE \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    -D WITH_CUDA=OFF \
    -DINSTALL_PYTHON_EXAMPLES=ON \
    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.3.0/modules\
    -D BUILD_EXAMPLES=ON..
6.2.4 编译和安装opencv
make –j4
sudo  make install
sudo ldconfig
 
6.2.5 创建opencv连接到python虚拟空间
$ cd~/.virtualenvs/dl4cv/lib/python3.5/site-packages/
$ ln -s /usr/local/lib/python3.5/site-packages/cv2.cpython-35m-x86_64-linux-gnu.socv2.so
$ cd ~
 
6.2.6 测试opencv
$ python
>>> import cv2
>>> cv2.__version__
'3.3.0'
 
6.3 安装
$pip install scipy matplotlib pillow
$ pip install imutils h5py requestsprogressbar2
$ pip install scikit-learn scikit-image
 
7、安装tensorflow
pip install tensorflow-gpu
7.1 测试安装是否成狗
$ python
>>> import tensorflow
>>> 
 
中途出现几次错误
1.  importError:libcusolver.so.8.0 :cannot open shared objectfile:no such file or dirtectory

解决方案：cuda 安装的路径配置不正确。在~/.bashrc文件中添加
export PATH=/usr/local/cuda-8.0/bin:$PATH
exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/
 
2.  importError:libcudnn.so.6:cannot open shared object file:nosuch file or dirtectory

解决方法：因为我们安装的是cudnn 5.1所以可定是没有libcudnn.so.6这个库的，所以我们要创建一个libcudnn.so.6的软链接：

Sudo ln -s libcudnn.so.5.* libcudnn.so.6

https://stackoverflow.com/questions/42013316/after-building-tensorflow-from-source-seeing-libcudart-so-and-libcudnn-errors

3.  undefined symbol:cudnnConvolutionBiasActivationForward
这个问题主要是因为安装的tensorflow-gpu的版本可能不匹配导致的
解决方法：https://github.com/tensorflow/tensorflow/issues/12326（可能要翻墙）
先卸载安装的tensorflow-gpu：sudo pip uninstall tensorflow-gpu
然后安装指定版本：sudopip install tensorflow-gpu==1.2.1 –upgrade –force-reinstall

7.2 安装keras
pip install keras
7.2.1 验证是否安装成功
$ python
>>> import keras
Using TensorFlow backend.
>>> 
 
至此tensorflow-gpu配置完成！
 
 
8、 参考博客
1、http://blog.csdn.net/zhaoyu106/article/details/52793183
2、https://www.pyimagesearch.com/2017/09/27/setting-up-ubuntu-16.04-cuda-gpu-for-deep-learning-with-python/
3、http://blog.csdn.net/lyc_yongcai/article/details/73244388
4、http://blog.csdn.net/m0_37336333/article/details/76794709
5、http://blog.csdn.net/ssmixi/article/details/70477808