CentOS6.7 + GTX1070Ti + CUDA 9.0 + cuDNN 7.0.5搭建深度学习环境
显卡为GTX1070Ti,这是2017年下半年新出的卡,性能接近GTX1080。
一.安装显卡驱动
1.下载驱动
到官网下载:https://www.geforce.com/drivers
选择显卡型号
下载后是一个名为NVIDIA-Linux-x86_64-390.48.run的文件
2.安装编译环境gcc、kernel-devel、kernel-headers
如果系统已经安装过了就不用再装了,这时需要注意kernel-devel、kernel-headers一定要和本机的kernel版本号对应,不然驱动无法加载到内核。
yum -y install gcc
可以使用如下命令安装本机kernel对应版本的kernel-devel和kernel-headers
yum -y install "kernel-devel-uname-r == $(uname -r)"
yum -y install "kernel-headers-uname-r == $(uname -r)"
如果没有对应的版本,先升级下kernel:
yum -y update kernel
3.修改/etc/modprobe.d/blacklist.conf文件,以阻止nouveau模块的加载
添加blacklist nouveau,注释掉blacklist nvidiafb
4.重新建立initramfs image文件
mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
dracut /boot/initramfs-$(uname -r).img $(uname -r)
5.修改/etc/inittab,使系统开机进入init 3文本模式
将最后一行“id:5:initdefault:”修改成“id:3:initdefault:”
6.重启reboot
7.运行驱动程序
./NVIDIA-Linux-x86_64-375.39.run --kernel-source-path=/usr/src/kernels/<kernel版本号> -k $(uname -r)
按照提示选择y或n
安装好后用nvidia-smi验证是否成功:
二.安装CUDA 9.0
从官网下载:https://developer.nvidia.com/cuda-90-download-archive
根据自己的系统选择下载:
下载完成后如下进行安装:
./cuda_9.0.176_384.81_linux.run
按照提示选择y或n,第一项为显卡驱动,我们已经安装过了,选n,剩下的都选y就行了。
三.安装cuDNN7.0.5
依然从官网下载:https://developer.nvidia.com/rdp/cudnn-archive
不过需要先注册,注册完下载后
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
解压得到cuda这个文件夹
cd cuda
cp include/cudnn.h /usr/local/cuda/include
cp lib64/libcudnn* /usr/local/cuda/lib64
chmod 755 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
四.安装GPU版tensorflow
pip install tensorflow-gpu
目前是1.7.0版,该版支持CUDA9.0+cuDNN7.0.5。
到此,环境安装完毕,可以进行深度学习了。
CentOS6.7 + GTX1070Ti + CUDA 9.0 + cuDNN 7.0.5搭建深度学习环境相关推荐
- ubuntu16.04+七彩虹GTX1060的NVIDIA驱动+Cuda8.0+cudnn5.1+tensorflow+keras搭建深度学习环境【学习笔记】【原创】
平台信息: PC:ubuntu16.04.i5.七彩虹GTX1060显卡 作者:庄泽彬(欢迎转载,请注明作者) 说明:参考了网上的一堆的资料搭建了深度学习的开发环境,下班在宿舍折腾了好几个晚上才搞定, ...
- Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
SSH无密码登陆 安装SSH Server Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server: sudo apt-get install openssh-serv ...
- WIN10搭建深度学习环境 GTX1080+CUDA9.0+cuDNN7.0+Python3.6+Tensorflow1.6.0
GTX1080在WIN10系统上搭建深度学习环境.在搭建环境中遇到了一些坑,于是想将搭建环境流程记录下来,方便以后重新搭建环境.话不多说,直接进入正题.注:我自己是在重装完系统后进行的环境配置. 一. ...
- ubuntu16.04下NVIDIA+CUDA+CUDNN+TensorFlow+Pytorch+Opencv等深度学习环境配置
1.Ubuntu16.04配置 1.1 更改Ubuntu源 所谓源,可以理解为Ubuntu从何处下载软件.默认的源是server for china,个人测试这是从美国的服务器下载软件进行安装的,为了 ...
- 从0开始搭建深度学习环境-Pytorch-GPU
文章目录 环境配置 Anaconda-Python3.9 -- 开源的 Python 发行版本 Anaconda的安装 Conda--包含在Anaconda中 CUDA和CUDNN--GPU复杂计算架 ...
- Dell服务器Ubuntu 18.04 双显卡(2080ti)搭建深度学习环境(CUDA 10.1/cuDNN 7.6/Tensorflow 1.14).md...
# 1 安装显卡驱动 1.1 BIOS禁用Secure Boot 打开服务器电源,按F2进入Bios设置 在System BIOS ->System Security -> Secure ...
- Ubuntu16.04+RTX3090+python3+cuda11.1+ CUDNN 8.04+anaconda3+pytorch-nightly深度学习环境搭建实录
硬件信息 cpu Intel(R) Core(TM) i7-10700 CPU @ 2.90GHz 显卡 GeForce RTX 3090 网卡 Ethernet Connection (17 ...
- 在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境(新手必看!简单可行!)
本人最近接触深度学习,想在服务器上配置深度学习的环境,看了很多资料后总结出来了对于新手比较友好的配置流程,创建了一个关于深度学习环境配置的专栏,包括从anaconda到cuda到pytorch的一系列 ...
- cuda必须装在c盘吗_深度学习基础环境搭建-Nvidia驱动+cuda+cudnn
Ubantu16.04+GPU(1070ti)驱动+cuda10.2 +CUDNN7.6.4 一. 安装nvidia显卡驱动 (亲测搭建深度学习环境,无论是win还是ubantu上的cuda里都有相对 ...
最新文章
- 完整的Blender三维课程:素描到三维艺术的初学者
- hiho一下 第四周 Hihocoder #1036 : Trie图
- AndroidStudio设置不自动弹出 Documentation 窗口
- 鸿蒙和安卓,到底有什么区别?
- mysql中count(*),count(字段),count(1)的区别
- 很特别的一个动态规划入门教程
- c++ primer 6.5.1节练习答案
- 在ASP.NET中基于Owin OAuth使用Client Credentials Grant授权发放Token
- (Markdown图片居中)CSDN 验证通过
- 在linux 或docker中使用 system.drawing.common
- chmod和chown命令的用法
- GEE开发之Landsat8计算NDWI和数据分析
- Kfc点餐系统 小程序
- C++ 重制植物大战僵尸(Cocos2dx开源项目)
- three.js 05-05 之 SphereGeometry 几何体
- Azylee.Utils 工具组
- 微信接口返回的状态码
- 关于STM32空闲中断极限时间
- 【深度域适配】一、DANN与梯度反转层(GRL)详解
- urllib3如何安装的三种办法