英伟达

硬件环境 ubuntu 16.04LTS + windows10 ˫ϵͳ NVIDIA TiTan XP 显卡（12G） 软件环境 搜狗输入法 https://www.nvidia.cn/Download/index.aspx? https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux https://developer.nvidia.com/rdp/cudnn-download https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ Pycharm： SubLime： http://www.sublimetext.com/3 ubuntu系统安装 制作ubuntu系统盘和安装ubuntu16.04见另一篇博文。 安装搜狗输入法 下载地址： https://pinyin.sogou.com/linux/ 安装： https://www.cnblogs.com/zhangfengfly/p/6867844.html 。 如果在安装过程中出现没有 fcitx 这个选项，可以通过键入"sudo apt-get install fcitx-bin"命令安装 fcitx 。 安装显卡驱动 1. 用软件工具安装显卡驱动

之前因为学习TensorFlow，所以在自己的Ubuntu上安装了cuda,cudnn以及Nvidia驱动。但可能是由于自己经常不注重正常关闭自己的Ubuntu，这就导致了一个问题： 某天在查看自己的显卡信息时，输入 $nvidia - smi 结果报错 NVIDIA - SMI has failed because it couldn ’ t communicate with the NVIDIA driver . Make sure that the latest NVIDIA driver is installed and running . 黑人问好脸？？？自己之前明明安装好了Nvidia驱动的呀，怎么现在就报错了呢，没有办法，上网查了资料后，解决办法是只能重装。 不过好在，之前安装Nvidia时的安装包仍在，这就省去了我再去Nvidia官网下载对应自己系统版本的安装包了，嘿嘿 在此记录下我重装Nvidia驱动的过程，方便日后回忆 第一步：卸载原驱动 $sudo apt - get remove nvidia -* $sudo apt - get autoremove 第二步：输入CTRL+ALT+F1进入文本模式 第三步：临时关闭显示服务 $sudo service lightdm stop 第四步：重新安装Nvidia驱动 $sudo ./ NVIDIA - Linux

Ŀ¼ 1. 安装显卡驱动 2. 安装CUDA\CUDNN 3. 安装TensorFlow-gpu 测试 检测显卡驱动及型号 $ sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org 添加ELPepo源 $ sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm 安装NVIDIA驱动检测 $ sudo yum install nvidia-detect $ nvidia-detect -v $ yum -y install kmod-nvidia 2.1 cuda 官网下载cuda，最好下载9.0版本： https://developer.nvidia.com/cuda-toolkit-archive 选择符合自己机器的设置，选择runfile（local）下载到centos中： 需要下载所有补丁，下载后安装cuda: $ sudo sh cuda_9.0.176_384.81_linux.run 测试cuda是否安装 $ cd /usr/local/cuda/samples/1_Utilities/deviceQuery $ sudo make $ ./deviceQuery 结果： 2.2 cudnn

1. 安装cuda8.0 1)先去官网下载cuda8.0 https://developer.nvidia.com/cuda-toolkit 2)下载完之后进行安装，安装时间有点长，请耐心等待，默认是安装在c盘目录下 　安装完后会生成两个系统变量： CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8. 0 CUDA_PATH_V8_0 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8. 0 3)测试是否成功 : 进入cmd，输入nvcc -V命令，如图所示 表示cuda安装成功 4)进入sdk实例安装目录 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8. 0 点击Samples_vs2013.sln文件打开vs2013执行 运行Samples_vs2013.sln文件就会出现如图所示 表明测试成功 5)使用配置vs2013 新建VS项目，源文件cpp: #include <stdio.h> #include <stdlib.h> #include " cuda_runtime.h " #include " device_launch_parameters.h " bool InitCUDA() {

win7 + tensorflow_gpu环境搭建 软件环境 Anaconda安装 Visual Stutio安装 CUDA安装 cudnn安装 tensorflow-gpu安装 keras安装 软件环境 环境 版本 Anaconda 3.5.1 visual studio vs2015 cuda 9.0 cudnn 7.0 python 3.6 tensorflow-gpu 1.9.0 keras 2.2.0 GPU NVIDIA Quadro P2000 Anaconda安装 在Anaconda的 官网 上下载需要的版本（ Anaconda版本列表 ）。 双击运行下载得到.exe文件，默认下一步直至结束。 配置Annaconda的环境变量，在系统环境变量中添加路径，本文的路径为： D:\software\Anaconda3.5.1\Scripts 打开cmd命令行进行验证，输入 conda --version 。出现如下窗口，表示anaconda安装成功。 Visual Stutio安装 安装vs2015以上的版本，网络上有其他教程，不再赘述。 vs下载地址为： https://visualstudio.microsoft.com/zh-hans/vs/ CUDA安装 安装cuda前，检测机器的 显卡 配置及其对应的 驱动程序 ，根据驱动信息下载对应版本的cuda。

一、宿主机安装nvidia驱动 打开终端，先删除旧的驱动: sudo apt-get purge nvidia* 禁用自带的 nouveau nvidia驱动 sudo gedit /etc/modprobe.d/blacklist.conf 看下Nouveau是否已经被禁用 lsmod | grep nouveau 如果已经没有任何显示说明不用禁用了，否则继续下面操作 sudo vim /etc/modprobe.d/blacklist-nouveau.conf #创建一个文件（注：按一下i键，表示现在进行内容插入） 并添加如下内容： blacklist nouveau options nouveau modeset=0 注：退出可用两个命令中任意一个： 按完esc键后，按shift+zz 或者 按完esc键后,输入“：wq!”双引号里面的内容 再更新一下： sudo update-initramfs –u 确认下Nouveau是已经被禁用: lsmod | grep nouveau 没有输出什么东西，说明已经成功关闭了。 关闭X-window服务： Ctrl+Alt+F1切换到无桌面命令终端：这里lightdm是你自己的显示管理器，也可能是gdm，kdm，到底是哪一个可以使用 cat /etc/X11/default-display-manager进行查看，然后修改

文章目录 从零开始搭建Win10深度学习环境 Anaconda配置流程 1. 安装Anaconda 2. 添加conda镜像 3. 添加pip镜像 4. 修改Jupyter Notebok的默认工作路径 5. 添加Anaconda环境变量 6. jupyter中添加conda虚拟环境 CUDA和cudnn配置流程 1. 查看计算机显卡型号： 2. 查看显卡是否支持CUDA版本 3. 查看tensorflow版本对应的CUDA和cudnn版本 4. 安装CUDA 9.0 4. cudnn库下载 TensorFlow-gpu配置流程 1. 安装TensorFlow 2. 测试TensorFlow keras配置流程 1. 安装keras 2. 测试keras PyTorch-gpu配置流程 1. 安装PyTorch 2. 测试PyTorch PyCharm配置流程 1. 安装PyCharm 2. 配置PyCharm与TensorFlow 3. 配置PyCharm与Pytorch 从零开始搭建Win10深度学习环境 系统：Windows10 Anaconda：Anaconda3-5.3.1 CUDA版本：CUDA 9.0 cudnn版本：cudnn-9.0-windows10-x64-v7.4.1.5 Tensorflow版本：Tensorflow-gpu 1.12.0 keras版本

一、安装显卡驱动 1.选择合适自己电脑的驱动： （1）： Nvidia官网下载驱动 可以根据自身电脑的情况对应选项，获得推荐的版本。 （2）：通过终端命令行查看自己电脑的所支持的驱动版本： sudo apt-cache search nvidia* 貌似能支持的显卡驱动版本最新到384，但官网的推荐是最新版本430版本，看别的文章也指出可以使用最新版本。 2.安装驱动 （1）通过系统的更新安装驱动： （A） 更新apt-get源列表 sudo apt-get update sudo apt-get upgrade （B） 添加驱动源 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update 然后在软件和更新的附加驱动里面就可以找到系统推荐的驱动了！ 点上它后点击apply changes，等待五分钟左右驱动安装结束，然后 重启 电脑，你会发现界面都变得正常了。 一定记得重启！一定记得重启！ （C）检测安装情况： nvidia-settings 或者使用：可以查看到显卡的信息和驱动安装的信息 nvidia-smi （2）使用下载好的驱动文件在无图形界面安装： （A） 删除之前安装的驱动： sudo apt-get remove --purge nvidia* 如果之前没有原始驱动则会提示：没有原有驱动

放假回家，在笔记本（老爷显卡）上捣腾上了最新的1.12版TensorFlow-gpu。具体配置如下： windows10 64位，nvidia GT 745M（注意cuda加速平台只支持英伟达显卡）； anaconda3-5.2.0（内置python3.6）； cuda9.0.176，cudnn v7.1； pycharm社区版。 也参考了很多博文，具体安装套路都差不多，关键一点就是各版本对应兼容，就会很顺利，不会各种报错。其他的细节会在下面详细说明。 1.anaconda anaconda是基于python的科学计算平台，内置python，最人性化的是集成了数百个科学包，包括最常用的pandas，matplotlib，keras，numpy等，已经能满足大部分需求，不需要自己再安装各种包。截止目前，python已经更新到3.7，最新的anaconda3-5.3.1即是默认内置python3.7，而最新版1.12的TensorFlow只能支持python3.6（已经有大神解决了python3.7适配TensorFlow1.12的问题，可去站内搜索他们的博文参考），不想折腾，所以直接装上一个版本的anaconda，即anaconda3-5.2.0，内置python3.6（其实anaconda 的cmd可以直接把python3.7退回3.6或者之前更老的版本，见https://blog

1、在这里查看支持的做机器学习计算的显卡： https://developer.nvidia.com/cuda-gpus#collapse4 需要到NVIDIA下载cuda与cudann，这里最重要的是注意cuda与cudann与tensorflow三者的搭配 2、关于nvidia显卡驱动版本，cuda版本，cudnn版本关系参考： https://blog.csdn.net/iamqianrenzhan/article/details/89343601 https://blog.csdn.net/u013066730/article/details/80980940 查看的电脑上的NVIDIA控制面板里的系统信息窗口里的组件信息，显示的NVIDIA版本是是cuda driver版本，并非要安装的cuda runtime的版本 3、安装cuda 官方指南： https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html csdn博客： https://blog.csdn.net/XCCCCZ/article/details/80385448 https://blog.csdn.net/u010618587/article/details/82940528 4、下载cuDNN 官方指南