深度学习环境配置

更换apt源

1. sudo vim /etc/apt/sources.list
2. 清华数据源地址，选择相应的版本，将镜像内容写入sources.list。
3. sudo apt-get update

更换pip源

安装pip3：sudo apt-get install python3-pip
升级pip3：sudo pip3 install --upgrade pip
查看pip版本：pip -V

1. 根目录创建.pip文件：mkdir ~/.pip
2. 创建文件pip.conf：vim .pip/pip.conf
3. 配置pip.conf：

[global]
    index-url = https://pypi.tuna.tsinghua.edu.cn/simple
    trusted-host = pypi.tuna.tsinghua.edu.cn

显卡驱动安装

在官网下载对应驱动*.run

1. 卸载原有驱动

#如果原驱动是用apt-get安装的:
sudo apt-get remove --purge nvidia*

#如果原驱动是用runfile安装的:
sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall

2. 禁用nouveau驱动

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

在文本最后添加：（禁用nouveau第三方驱动，之后也不需要改回来）

blacklist nouveau
options nouveau modeset=0

然后执行：

sudo update-initramfs -u

重启后，执行：lsmod | grep nouveau.
如果没有屏幕输出，说明禁用nouveau成功。

3. 禁用X-Window服务

# 关闭图形界面
sudo service lightdm stop

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录。

在命令行输入：sudo service lightdm start，然后按Ctrl-Alt+F7即可恢复到图形界面。

4. 命令行界面安装驱动

#给驱动文件可执行权限：
sudo chmod +x nvidia_driver.run

#后面的参数非常重要，不可省略
sudo ./nvidia_driver.run –no-opengl-files –no-x-check  –no-nouveau-check

• –no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。此参数不可省略，否则导致循环登陆。

–no-opengl-files解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL，且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。

• –no-x-check：表示安装驱动时不检查X服务。
• –no-nouveau-check：表示安装驱动时不检查nouveau。
• -Z, --disable-nouveau：禁用nouveau。此参数非必需，因为之前已经手动禁用了nouveau。
• -A：查看更多高级选项。

之后，按照提示安装，成功后重启即可。
如果提示安装失败，不要急着重启电脑，重复以上步骤，多安装几次即可。

5. 显卡驱动测试：
   nvidia-smi #若列出GPU的信息列表，表示驱动安装成功
   nvidia-settings #若弹出设置对话框，亦表示驱动安装成功
6. 安装驱动后调整屏幕分辨率
   参考https://blog.csdn.net/nostandby/article/details/69383543

安装CUDA

cuda不区分显卡，通用；cudnn区分cuda版本

cuda下载地址

1. 安装

#给cuda文件可执行权限：
sudo chmod +x cuda_linux.run
#参数很重要
sudo ./cuda_linux.run --no-opengl-libs

• --no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
• --uninstall (deprecated)：用于卸载CUDA Driver（已废弃）。
• --toolkit：表示只安装CUDA Toolkit，不安装Driver和Samples。
• --help：查看更多高级选项。

之后，按照提示安装即可：

1. accept #同意安装
2. n #不安装Driver，因为已安装最新驱动
3. y #安装CUDA Toolkit
4. <Enter> #安装到默认目录
5. y #创建安装目录的软链接
6. n #不复制Samples，因为在安装目录下有/samples

2. CUDA Sample测试：

1. 编译并测试设备 deviceQuery：
   cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
   sudo make
   ./deviceQuery
2. 编译并测试带宽 bandwidthTest：
   cd ../bandwidthTest
   sudo make
   ./bandwidthTes

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功。

cuda的补丁文件无需安装

3. 配置环境变量

vim ~/.bashrc

# 加入：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin

# 终端运行：
source ~/.bashrc

检查：nvcc -V，如果显示版本则说明安装成功。

安装cuDNN

cuDNN下载地址

cuDNN版本要和cuda版本对应

1. 安装
   解压cuDNN文件，得到cuda文件夹

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*
#可能需要在 /usr/local/cuda/lib64/下对libcudnn*几个文件建立软连接

2. 查看cuDNN版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

reference

https://www.cnblogs.com/luofeel/p/8654964.html
https://blog.csdn.net/wanzhen4330/article/details/81699769