Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)_百度...
发布网友
发布时间：2天前
共1个回答
热心网友
时间：2天前
本文详细介绍了如何在Ubuntu 18.04操作系统下配置深度学习环境，包括CUDA 9.0、CUDNN 7.4、TensorFlow 1.8以及Pytorch 0.4的安装步骤。为确保顺利进行，我们首先准备了完整的硬件配置，包括DELL R730服务器、显卡NVIDIA 1080ti等。接下来，按照以下步骤进行安装：
一、硬件配置
硬件配置包括：DELL R730服务器，机架式2U服务器，显卡NVIDIA 1080ti *2，内存G，CPU Intel Xeon E5-2620V4 * 2，电源DEL 1600w *2，硬盘600G*2+2T*2。
二、安装
1. **安装Ubuntu**：采用U盘进行Ubuntu操作系统的安装，如遇“输入不支持”提示，通过F6选择nomodeset进入安装界面。下载Ubuntu 18.04.1 Desktop AMD镜像，安装过程略。
2. **安装ssh**：使用服务器命令窗口执行相关命令，之后即可通过ssh工具远程连接服务器。
3. **安装显卡驱动**：删除默认驱动后，添加Graphic Drivers PPA，查看推荐的415版本驱动，安装该驱动并重启服务器。
4. **安装依赖库**和**GCC降低版本**：准备CUDA 9.0安装。
5. **安装CUDA 9.0**：下载Base Installer和4个Patch文件，执行命令进行安装。
6. **安装CUDNN**：登录NVIDIA官网下载cuDNN v7.4.1，解压后复制到CUDA路径下。
7. **安装Tensorflow GPU 1.8**：使用Anaconda进行安装，创建Python 3.6虚拟环境并安装Tensorflow GPU 1.8。
8. **安装Keras**：在虚拟环境中安装。
9. **安装Pytorch**：同样在虚拟环境中安装。
三、总结
本文提供了一系列步骤，包括硬件准备、Ubuntu安装、显卡驱动更新、依赖库和版本调整、CUDA和CUDNN安装、Tensorflow和Keras安装，以及Pytorch的安装。为了方便读者，提供了百度云下载链接以获取所需文件。此外，更新了conda安装Tensorflow的方式，更加简化了安装过程。
通过本文的指导，Ubuntu 18.04下的深度学习环境配置将更加高效、省时。参考和链接提供了进一步的学习资源，以及直接百度云下载的链接，确保了安装过程的便利性。
