Ubuntu16.04+GeForce GTX TITAN X+CUDA8.0+cudnn6

按之前的方法给TITAN X安装cuda8.0会发生循环登录的问题,因此换了一种安装方法

参考:https://www.jianshu.com/p/002ece426793,http://blog.csdn.net/jzrita/article/details/72887677

官方下载地址https://www.ubuntu.com/download 下载最新版,下载下来后使用软碟通制作安装镜像

安装完系统,更新系统

sudo apt-get update
sudo apt-get upgrade

安装依赖包

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

sudo apt-get install git cmake build-essential

禁用 nouveau

安装好依赖包后需要禁用 nouveau,只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动,禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令,首先需要打开该文件,通过以下命令打开:

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

打开后发现该文件中没有任何内容,写入:

blacklist nouveau option nouveau modeset=0

保存时命令窗口可能会出现以下提示:

** (gedit:4243): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position

无视此提示~,保存后关闭文件,注意此时还需执行以下命令使禁用 nouveau 真正生效:

sudo update-initramfs -u

 配置环境变量

同样使用 gedit 命令打开配置文件:

sudo gedit ~/.bashrc

打开后在文件最后加入以下两行内容:

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

 安装NVIDIA驱动

采用ppa安装方式

Ctrl+Alt+F1进入tty命令控制台

sudo service lightdm stop
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get -y install nvidia-375
sudo apt-get -y install mesa-common-dev  freeglut3-dev
sudo reboot

 安装cuda8.0

到官网下载cuda_8.0.44_linux.run,复制到根目录下。

sudo sh cuda_8.0.44_linux.run --tmpdir=/tmp/

遇到问题:incomplete installation,然后执行

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
sudo sh cuda_8.0.44_linux.run -silent -driver

注:此时安装过程中提示是否要安装NVIDIA驱动时选择no。其他选择yes或默认即可。

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62? (y)es/(n)o/(q)uit: n

安装完毕后声明环境变量:

在.bashrc尾部添加如下内容:

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

使该配置生效:

source ~/.bashrc

测试cuda8.0是否安装成功参照http://www.cnblogs.com/lindaxin/p/7738784.html

在测试cuda的sample时出现了一个错误,出现报错/usr/bin/ld: cannot find -lnvcuvid

问题的原因在于没有找到libnvcuvid.so 和libnvcuvid.so.1的库

解决方法:

首先在linunx下通过查找,找到这两个库的相关路径,再创建这两个库的软连接,具体方法如下

sudo ln -s 该库的路径/libnvcuvid.so /usr/lib/libnvcuvid.so

sudo ln -s 该库的路径/libnvcuvid.so.1 /usr/lib/libnvcuvid.so.1

如果实在不知道怎么做就直接把libnvcuvid.so和libnvcuvid.so.1文件复制到/usr/lib中

 安装cudnn6

参照http://www.cnblogs.com/lindaxin/p/7738784.html

原文地址:https://www.cnblogs.com/lindaxin/p/8343669.html

时间: 2024-10-10 12:58:08

Ubuntu16.04+GeForce GTX TITAN X+CUDA8.0+cudnn6的相关文章

深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow

深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow 最近在公司做深度学习相关的学习和实验,原来一直在自己的电脑上安装虚拟机跑,速度实在太慢,主机本身性能太弱,独显都没有,物理安装Ubuntu也没多大意义,所以考虑用公司性能最强悍的游戏主机(i7 6700+GTX 1070) 做实验,这台主机平时是用来跑HTC VIVE的,现在归我用了o(*≧▽≦)ツ. 原本以为整个一套安装下来会很顺利,一路火花

(转)深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0

深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 发表于2016年07月15号由52nlp 接上文<深度学习主机攒机小记>,这台GTX1080主机准备好之后,就是配置深度学习环境了,这里选择了比较熟悉Ubuntu系统,不过是最新的16.04版本,另外在Nvidia GTX1080的基础上安装相关GPU驱动,外加CUDA8.0,因为都比较新,所以踩了很多坑. 1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从ubun

深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3

本文来源地址:http://www.52nlp.cn/tag/cuda-9-0 一年前,我配置了一套"深度学习服务器",并且写过两篇关于深度学习服务器环境配置的文章:<深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0> 和 <深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow> , 获得了很多关注和引用. 这一年来,深度学习的大潮继续,特别是前段时间,吴恩达(And

Ubuntu16.04 中 HyperLedger Fabric v1.1.0 环境准备

一.环境准备 1.1 Ubuntu下安装 crul sudo apt install curl curl是利用URL语法在命令行方式下工作的开源文件传输工具.它被广泛应用在Unix.多种Linux发行版中,并且有DOS和Win32.Win64下的移植版本. 作用:文件传输 1.2 安装 Docker and Docker Compose Docker-compose是支持通过模板脚本批量创建Docker容器的一个组件. 前期准备: 由于apt官方库里的docker版本可能比较旧,所以先卸载可能存

ubuntu16.04+cuda8.0+cudnn6.0安装mxnet(极简!+成功!)

安装MXNet 1.安装 CUDA8.0对应的mxnet版本是mxnet-cu80(同理如果是CUDA9.0对应版本则是mxnet-cu90). 如果pip安装过慢,请参考 Ubuntu16.10下配置pip国内镜像源加速安装进行加速. $ sudo pip install --pre mxnet-cu80 # CUDA 8.0 2.验证安装成功 $ python或者python3 # 在python命令行中import mxnet,不报错即安装成功 import mxnet as mx a =

Ubuntu16.04+cuda8.0+cudnn6.0+tensorflow1.3

安装时参考了https://www.jianshu.com/p/69a10d0a24b9 但由于版本不同,这里主要记录安装包路径, 一些注意事项,和基本过程. CUDA8.0下载地址:https://developer.nvidia.com/cuda-80-ga2-download-archive 选择runfile类型 打开下载目录,然后: 1.sudo sh cuda_8.0.61_375.26_linux.run 注意:在安装时 Install NVIDIA Accelerated Gra

ubuntu16.04下源码安装onos1.0.2

由于工作需要,下载安装onos1.0.2的版本,大家看需求可以下载安装更高级的版本 参考链接:http://www.sdnlab.com/14650.html 1.系统环境 Ubuntu16.04 LTS 64bit 下载地址:https://www.ubuntu.com/download/desktop(桌面版) 2.安装依赖(这里的版本选择根据ONOS版本确定的,在上述参考链接中作者有提到----"关于Maven和Karaf版本的说明:此处建议使用推荐的karaf-3.0.3和Maven-3

ubuntu16.04源码安装nodejs10.13.0和npm

1.注意,安装nodejs需要本机默认python是Python2版本,首先在浏览器中进入清华大学开源软件镜像站https://mirrors.tuna.tsinghua.edu.cn/ 2.找到noderelease目录--->接着进入v10.13.0,在该目录找到node-v10.13.0.tar.xz单击进入下载页面. 3.下载之后得到源码压缩包node-v10.13.0.tar.xz,想要解压这种安装包,得先使用sudo apt install xz-utils命令,安装xz-utils

ubuntu16.04+opencv2.4.13+cuda 8.0+python

不要用opencv3.1会报错还得改,没改过不知道麻烦否,直接删了下载2.4.13.无错误. 编译caff运行make runtest的时候出现error while loading shared libraries: libcudart.so.3: wrong ELF class: ELFCLASS32 参考这位大哥的方法:http://blog.csdn.net/jubincn/article/details/6674579 总的参考方法是:http://blog.csdn.net/auto