Ubuntu 16.04 + GTX1060 + CUDA9.0 + CUDNN7.0 + TensorFlow 1.6 + Caffe + ROS Kinetic 环境配置

本文主要是介绍Ubuntu 16.04 + GTX1060 + CUDA9.0 + CUDNN7.0 + TensorFlow 1.6 + Caffe + ROS Kinetic 环境配置,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

近期给实验室电脑配了显卡, 因此就把原来没有GPU配置的环境都配好了。记录一下配置过程及遇到的问题,希望能帮到大家。

我是直接重装系统装的,因此显卡驱动什么都没装,屏幕分辨率很低,但没事,CUDA中有默认的显卡驱动。

1)CUDA9.0

上官网下载CUDA9.0 看了支持系统 只有16.04和17.04 因此 下载对应版本(14.04不支持)的runfile。

 

Ctrl + Alt + F1 进入tty1,关闭显示选项:

sudo /etc/init.d/lightdm stop

运行run :

sudo ./cuda_9.0.176_384.81_linux.run

全选默认就行, 安装完毕再启动显示选项。

sudo /etc/init.d/lightdm start

进入图形界面,Ctrl + Alt + F7 , 发现分辨率正常(显卡驱动已经安装完毕)

查看显卡信息 

nvidia-smi

出现对应信息则安装CUDA完毕

 

2)CUDNN 7.0

配置比较简单,上官网下载对应CUDA版本的CUDNN 我下载的是cudnn-9.0-linux-x64-v7.tgz,解压后出现文件夹cuda,将文件拷贝至系统目录下:

 

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

 

配置环境 sudo gedit ~/.bashrc  添加以下内容

 

 

export CUDA_HOME=/usr/local/cuda-9.0

export PATH=$CUDA_HOME/bin:$PATH

export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

 

更新环境:

 

sudo source ~/.bashrc

 

 

 

3)TensorFlow 1.6 GPU版本

TensorFlow GPU 1.5 和 1.6都是基于CUDA9.0和CUDNN7.0编译的,直接安装即可。

如果你像我一样是新的系统没有任何东西就先安装一下pip再升级一下pip:

sudo apt-get install python-pip

 sudo pip install -U pip

然后直接安装GPU版本的TensorFlow:

sudo pip install tensorflow-gpu==1.6

1.6可以更换成1.5 或者其他的版本都是一样的

安装完毕之后测试一下有没有成功

python

import tensorflow

tensorflow.__version__

如果成功import 并显示对应的版本则安装成功,如果出现cuda相关的错误,尝试 sudo source ~/.bashrc 后再重复上述操作,应该可以import。

 

4)Caffe

 

配置CUDA9.0 和CUDNN7.0 的caffe 需要修改一些东西。首先按照官网把caffe的依赖都装了(博主不贴出来了吧。。。)

git clone git@github.com:BVLC/caffe.git

进入caffe目录

cp Makefile.config.example Makefile.config

修改Makefile.config中的内容

具体如下:

 

USE_CUDNN := 1

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

按照提示将CUDA9.0(CUDA其他版本也按照提示改相应的)需改注释的语句注释或删除

 

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \-gencode arch=compute_35,code=sm_35 \-gencode arch=compute_50,code=sm_50 \-gencode arch=compute_52,code=sm_52 \-gencode arch=compute_60,code=sm_60 \-gencode arch=compute_61,code=sm_61 \-gencode arch=compute_61,code=compute_61

 

好了 赶紧按照官网继续装 

 

sudo make all

sudo make test

 sudo make runtest

runtest都成功则caffe已经安装完毕

 

其实也可以用CMake编译的

mkdir build

cd build

cmake ..

make all

 make install

make runtest

 

博主用CMake编译的时候出现了一个错误,但是查看相应的.cmake文件后发现报错的是无关紧要的一句提示语句:string XXXX的 直接删掉就好了。

 

5)ROS Kinetic

恩....直接官网装把。。太简单了

 

 

 

这篇关于Ubuntu 16.04 + GTX1060 + CUDA9.0 + CUDNN7.0 + TensorFlow 1.6 + Caffe + ROS Kinetic 环境配置的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/544584

相关文章

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种,单机模式和集群模式以及伪集群模式。 ■ 单机模式:Zookeeper只运行在一台服务器上,适合测试环境; ■ 伪集群模式:就是在一台物理机上运行多个Zookeeper 实例; ■ 集群模式:Zookeeper运行于一个集群上,适合生产环境,这个计算机集群被称为一个“集合体”(ensemble) Zookeeper通过复制来实现

CentOS7安装配置mysql5.7 tar免安装版

一、CentOS7.4系统自带mariadb # 查看系统自带的Mariadb[root@localhost~]# rpm -qa|grep mariadbmariadb-libs-5.5.44-2.el7.centos.x86_64# 卸载系统自带的Mariadb[root@localhost ~]# rpm -e --nodeps mariadb-libs-5.5.44-2.el7

hadoop开启回收站配置

开启回收站功能,可以将删除的文件在不超时的情况下,恢复原数据,起到防止误删除、备份等作用。 开启回收站功能参数说明 (1)默认值fs.trash.interval = 0,0表示禁用回收站;其他值表示设置文件的存活时间。 (2)默认值fs.trash.checkpoint.interval = 0,检查回收站的间隔时间。如果该值为0,则该值设置和fs.trash.interval的参数值相等。

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

wolfSSL参数设置或配置项解释

1. wolfCrypt Only 解释:wolfCrypt是一个开源的、轻量级的、可移植的加密库,支持多种加密算法和协议。选择“wolfCrypt Only”意味着系统或应用将仅使用wolfCrypt库进行加密操作,而不依赖其他加密库。 2. DTLS Support 解释:DTLS(Datagram Transport Layer Security)是一种基于UDP的安全协议,提供类似于

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

【IPV6从入门到起飞】5-1 IPV6+Home Assistant(搭建基本环境)

【IPV6从入门到起飞】5-1 IPV6+Home Assistant #搭建基本环境 1 背景2 docker下载 hass3 创建容器4 浏览器访问 hass5 手机APP远程访问hass6 更多玩法 1 背景 既然电脑可以IPV6入站,手机流量可以访问IPV6网络的服务,为什么不在电脑搭建Home Assistant(hass),来控制你的设备呢?@智能家居 @万物互联

高并发环境中保持幂等性

在高并发环境中保持幂等性是一项重要的挑战。幂等性指的是无论操作执行多少次,其效果都是相同的。确保操作的幂等性可以避免重复执行带来的副作用。以下是一些保持幂等性的常用方法: 唯一标识符: 请求唯一标识:在每次请求中引入唯一标识符(如 UUID 或者生成的唯一 ID),在处理请求时,系统可以检查这个标识符是否已经处理过,如果是,则忽略重复请求。幂等键(Idempotency Key):客户端在每次