linux-深度学习环境配置-Centos

下载Centos 7安装镜像,制作启动优盘。

Install CentOS 7 安装CentOS 7。

  • 第一步,配置日期、语言和键盘。
  • 第二步,选择-系统-安装位置,进入磁盘分区界面。选择-其它存储选项-分区-我要配置分区,点左上角的“完成”,进入下面的界面:
1234
# swap #交换分区,一般设置为内存的2倍# / #剩余所有空间# 挂载点:swap, 期望容量:2048

点左上角的“完成”,接受更改。

  • 第三步,在这步中,你可以通过选择列表中安全配置来设置你的系统“安全策略Security Policy”,点击选择配置按钮来选择你想要的安全配置并点击“应用安全策略Apply security policy”按钮到 On。点击“完成Done”按钮后继续安装流程。
  • 第四步,点击“软件选择Software Selection”按钮来配置你的基础机器环境。左边的列表是你可以选择安装桌面环境(Gnome、KDE Plasma 或者创意工作站)或者安装一个服务器环境(Web 服务器、计算节点、虚拟化主机、基础设施服务器、带图形界面的服务器或者文件及打印服务器)或者执行一个最小化的安装。为了随后能自定义你的系统,选择最小化安装并附加兼容库,点击“完成Done”按钮继续。对于完整的 Gnome 或者 KDE 桌面环境。选择:
    • GNOM Applications
    • Internet Applications
    • Compatibility Libries
    • Compatibility Libries
  • 第五步,设置你的主机名并启用网络服务。点击“网络和主机名Network & Hostname”,在主机名中输入你的 FQDN(完整限定网域名称),如果你在局域网中有一个 DHCP 服务器,将以太网按钮从 OFF 切换到 ON 来激活网络接口。为了静态配置你的网络接口,点击“配置Configure”按钮,添加 IP 设置,并点击“保存Save”按钮来应用更改。完成后,点击“完成Done”按钮来回到主安装菜单。
  • 第六步,最后检查下所有到目前为止的配置,如果一切没问题,点击“开始安装Begin Installation”按钮开始安装

基础配置

Centos 7 更换阿里源

备份

1
mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup

下载新的CentOS-Base.repo 到/etc/yum.repos.d/

12345678
# CentOS 5wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-5.repo

# CentOS 6wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-6.repo

# CentOS 7wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo

之后运行yum makecache生成缓存.

安装常用工具

1
yum -y install nano vim wget curl net-tools lsof gcc gcc-c++ll

等待安装完成即可。如果提示有错可以执行:

1
yum makecache

重建缓存即可。

NVIDIA显卡驱动安装

检查是否安装了GPU

1
lspci | grep -i nvidia

安装kernel-devel和kernel-headers

12
yum install kernel-devel  yum install kernel-headers

修改/etc/modprobe.d/blacklist.conf 文件,以阻止 nouveau 模块的加载

方法: 添加blacklist nouveau,注释掉blacklist nvidiafb(如果存在)
blacklist.conf不存 大专栏  linux-深度学习环境配置-Centos在时,执行下面的脚本

1
# echo -e "blacklist nouveaunoptions nouveau modeset=0" > /etc/modprobe.d/blacklist.conf

重新建立initramfs image文件

12
# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak# dracut /boot/initramfs-$(uname -r).img $(uname -r)

安装驱动

123456
Ctrl + Alt +F2    #纯文本命令模式  登陆----获取root权限  init 3  切换至安装包文件夹  ./NVIDIA-Linux-x86_64-375.66.run   #根据提示安装  cuda_8.0.61_375.26_linux.run   #根据提示安装

安装cuda

123
$ sudo rpm -i cuda-repo-rhel7-8-0-local-ga2-8.0.61-1.x86_64.rpm$ sudo yum clean all$ sudo yum install cuda

报错了:

1234
Error: Package: 1:nvidia-kmod-375.26-2.el7.x86_64 (cuda-8-0-local-ga2)           Requires: dkms You could try using --skip-broken to work around the problem You could try running: rpm -Va --nofiles --nodigest

缺少2个包,装第一个:

1
sudo vim /etc/yum.repos.d/linuxtech.testing.repo

输入:

123456
[linuxtech-testing]name=LinuxTECH Testingbaseurl=http://pkgrepo.linuxtech.net/el6/testing/enabled=0gpgcheck=1gpgkey=http://pkgrepo.linuxtech.net/el6/release/RPM-GPG-KEY-LinuxTECH.NET
1
sudo yum --enablerepo=linuxtech-testing install libvdpau

第二个:

12
yum -y install epel-releaseyum -y install --enablerepo=epel dkms

配置环境变量

12345678
gedit ~/.bashrc #写入bashrc文件保存  #gpu driver  export CUDA_HOME=/usr/local/cuda-8.0  export PATH=/usr/local/cuda-8.0/bin:$PATH  export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH  export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib:${LD_LIBRARY_PATH}" source ~/.bashrc

测试

1
nvidia-smi

参考

原文地址:https://www.cnblogs.com/lijianming180/p/12227228.html

时间: 2024-11-01 23:19:27

linux-深度学习环境配置-Centos的相关文章

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置

目录 一.Ubuntu18.04 LTS系统的安装 1. 安装文件下载 2. 制作U盘安装镜像文件 3. 开始安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 2. 安装nvidia-390版本驱动 3. 重启系统,可以查看安装是否成功 四.CUDA9.0的安装 1. CUDA版本选择 2. 安装CUDA9.0 3. 设置环境变量 五.cuDNN7.3的安装 六.Tensorflow-1.12

深度学习环境配置

CUDA和cudnn https://blog.csdn.net/NCHFGFB/article/details/79957970?utm_source=blogxgwz0 https://blog.csdn.net/qq_23518283/article/details/97126224 https://blog.csdn.net/u010618587/article/details/82940528 原文地址:https://www.cnblogs.com/zhouyu0-0/p/12173

Linux 搭建深度学习环境教程

Linux 搭建深度学习环境教程 Notes: ? 开门见山:使用 Anaconda 直接搞定 Linux Nvidia 驱动这个千年难题 ? 重点: 关于这个问题,今天我来总结一篇专治头疼的药方:只需要安装 Anaconda ,使用 conda 安装 Pytorch 或者 Tensorflow-gpu 即可. conda 会自动帮助我们安装好几乎所有必需的驱动,可谓是一键式安装,简直是我等"菜鸡"们的福音!!! I Love Anaconda ?????? 1. Linux 发行版选

windows10配置tensorflow深度学习环境(GPU版)各种坑

我们配置一个tensorflow-gpu版的深度学习环境 windows10 64 python3.5 vs2017(需要C++部分) cuda9.0 cudnn7.1 GeForce GTX1060 1.安装python 我们选择python3.5,直接从官网下载windows10版本的安装就行,可以选择默认安装路径,并添加环境变量. 测试打卡cmd,输入python,输出python的版本信息 则安装成功 2.安装vs2017 3.安装cuda 首先要确保你的电脑上装了一块差不多的显卡 我们

[AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建

这篇文章详细介绍在centOS7.5上搭建基于keras/tensorflow的深度学习环境,该环境可用于实际生产.本人现在非常熟练linux(Ubuntu/centOS/openSUSE).windows上该环境的搭建 :) 前面三篇博客代码实现均基于该环境(开发或者测试过): [AI开发]Python+Tensorflow打造自己的计算机视觉API服务 [AI开发]基于深度学习的视频多目标跟踪实现 [AI开发]视频多目标跟踪高级版 运行环境 1) centOS 7.5 ,不要安装GUI桌面:

Linux下的网络配置 - CentOS 6.x

Linux下的网络配置 - CentOS 6.x 文本关键字:Linux.CentOS.网络服务.eth0.网卡配置项 一.查看网络信息 通常我们查看本机的网络是否正常,主要需要知道的就是网卡是否在正常工作,相关的网络信息(IP地址.广播地址.子网掩码等)是什么.除此之外,我们需要测试当前机器是否连入互联网,或者是否能够与网关正常通信. 1. ifconfig ifconfig是一个最常用的,可以查看和设置各网卡的工具. 直接使用ifconfig命令:列出所有当前已启用的网卡信息 使用ifcon

搭建实用深度学习环境(Ubuntu16.10+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0)

在动手安装之前,首先要确定硬件,系统,准备安装软件的版本,确定这些软硬件之间是否相互支持或兼容.本文安装的主要环境和软件如下: Ubuntu16.10+CUDA8.0(cudnn5.1,CNMEM)+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0 显卡型号为Quadro K6000. 深度学习的另外一个比较常用的开发环境是CAFFE,由于之前的很多大牛基于CAFFE做了很多注明的模型,且已经发布到网上,故这套框架更适合于应用.但CAFFE安装起来异常复杂,需

Linux Centos7部署环境安装-CentOS

Linux Centos7部署环境安装-CentOS Centos7部署环境安装及Linux常用命令 centos系统下各文件夹的作用 centos7修改系统默认语言 centos7安装rz/sz命令 centos7安装netstat centos7安装lsof命令 centos7下载并安装jdk并配置环境变量 centos7安装Tomcat centos7安装Nginx centos7安装MySQL Linux常用命令 centos系统下各文件夹的作用 /: 根目录,一般根目录下只存放目录,不

Linux虚拟机学习环境搭建—虚拟机安装

接上一篇的Linux虚拟机学习环境搭建-虚拟机创建"  点击"开启此虚拟机",进入系统安装界面. Tab键可以调整选项,直接选择第一项,回车.备注:鼠标点击进入虚拟机,要跳出虚拟机回到主机控制,按下Ctrl+Alt. 出现Disc Found界面,用Tab键,选择到Skip选项,回车.备注:此操作是校验安装文件是否有损坏,现在是安装学习测试机,跳过校验. 进入到图标界面,单击 "下一步" 进入到语言选择界面,此处选择"English",