lubuntu16.04 安装过程以及ssd测试模型的环境配置

1、系统启动盘(ultraISO)制作启动盘,
 1/5 文件-》打开,打开我们的iso镜像
 2/5 选择我们的u盘,
 3/5 点击启动-》写入硬盘映像 4/5 写入方式选择raw,格式化然后写入
 lubuntu-lightweight,fast,easier(https://lubuntu.net/)DOENLOAD
Download Version 16.04.3LTS  lubuntu Desktop 64-bit | Magnet/Torrent (下载iso镜像文件)

2、安装ubuntu16.04
Install Ubuntu
选择语言
我现在不想链接wifi无线网络
不选
清除整个磁盘并安装ubuntu
选择区域上海
设置语言
设置用户名和密码sinoagg 123456
安装

sudo apt update

3、换源:
ubuntu16.04 换源(https://blog.csdn.net/u013066730/article/details/79377273)

cd /etc/apt/
sudo cp sources.list sources.list.bak
sudo vi sources.list
# deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse

sudo apt-get update
4、cuda 9.0 安装(搜索 :下载cuda9.0 - CUDA Toolkit 9.0 Downloads | NVIDIA Developer)(https://blog.csdn.net/abc869788668/article/details/78331047)
`sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb`

`sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub`
`sudo apt-get update`
`sudo apt-get install cuda

安装完毕后,再声明一下环境变量,并将其写入到 ~/.bashrc 的尾部:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
重启
测试CUDA的例子

  cd  /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

   sudo make

   ./deviceQuery

  如果显示的是关于GPU的信息,则说明安装成功了。
然后设置环境变量和动态链接库,在命令行输入:

nvidia-smi

5、安装cudnn
进入解压后的cudnn-9.0-linux-x64-v7.0.tgz文件cuda,在终端执行下面的指令安装:

tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz
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*
---------------------

然后更新网络连接:

cd /usr/local/cuda/lib64/  
sudo chmod a+r libcudnn.so.7.0.5  # 自己查看.so的版本  
sudo ln -sf libcudnn.so.7.0.5. libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

6、tensorflow-gpu==1.5安装
 sudo apt-get install python3-pip
#E:Unable to lock the administration directory /var/lib/dpkg/,is another process using it?
重启,问题解决。
sudo pip3 install tensorflow-gpu==1.5

sudo pip3 install opencv-python

sudo pip3 install keras

折腾了一下午,好不容易安装通过了,手动安装显卡驱动,会报老多错误,直接用cuda中带的驱动,更简单。驱动版本是384.13,cuda9.0+cudnn7.0.5+tensorflow-gpu==1.5,主板BT19NA,装tensorflow-gpu==1.8报错。

上一篇:JVM 常量池


下一篇:【tensorflow2.0】处理文本数据