CentOS6.7 + GTX1070Ti + CUDA 9.0 + cuDNN 7.0.5搭建深度学习环境

2024-05-26 09:51:37

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

热门文章