ubuntu 16.04 gtx 1070 安装NVIDIA驱动

安装教程

https://blog.csdn.net/fu6543210/article/details/79758234

tensorflow 版本网站

https://tensorflow.google.cn/install/install_linux#NVIDIARequirements

卸载原来的驱动

sudo apt-get update

sudo apt-get autoremove --purge nvidia*

sudo reboot

sudo apt-get update

安装驱动

ubuntu-drivers devices

查看你的gpu适合的驱动

方法1：

sudo  add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-390

(版本查看：https://www.nvidia.cn/Download/index.aspx?lang=cn)

方法2：

在官网上下载对应的NVIDIA版本

复制到/home/root目录下

sudo cp NVIDIA-Linux-x86_64-410.73.run /home/root/NVIDIA.run

切换 ctl+alt+F2

sudo service lighomt stop

sudo chom 755 NIVIDIA.run(NVIDIA没有操作权限，加个操作权限)

sudo ./NVIDIA.run

sudo service lighomt start

sudo apt-get update

(不要 sudo apt-get upgrade )

sudo reboot

安装cuda8.0

在官网下载对应版本

sudo sh cuda_8.0.44_linux.run --no-opengl

（避免循环登录）

1

改路径

sudo  vim /etc/profile

打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

export  PATH=/usr/local/cuda-9.0/bin:$PATH

export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

查看是否安装成功

nvcc --version

2

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

  sudo make

./deviceQuery

安装cudnn7.0

在官网上下载cudnn的安装包

tar -xzvf 安装包

进入解压出来打cuda目录下

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

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

cd /usr/local/cuda/lib64 进入目录

sudo chmod +r libcudnn.so.7.3.1 给文件全部添加权限

手动建立链接

sudo ln -sf libcudnn.so.7.3.1 libcudnn.so.7

sudo ln -sf libcudnn.so.7 libcudnn.so

sudo ldconfig

安装anaconda

在这里找到自己要下载的版本：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

anaconda3.4.4_linux_x86_64.sh

到下载的目录

bash 安装包

一路默认，最后yes

source ~/.bashrc

测试是否安装成功

conda --version

看到版本号是安装成功

创建环境

conda create -n tensorflow Python=2.7（如果是3.5版本就改成3.5）

激活环境

source activate tensorflow

关闭环境

source deactivate

在激活的环境下安装tensorflow

在虚拟环境下要重新安装pip3 不然pip没有办法正常在虚拟环境下使用

conda install python-pip

pip install --upgrade pip

tensorflow 1.7.0以上版本pip 版本都要大于8.0

pip install --ignore-installed 官方版本给的地址

安装opencv(cv2)

pip  install opencv-python

安装keras

pip install keras

安装imgaug

pip install imgaug

安装cython

conda install cython

安装 ipython

pip install ipython

可以运行MASK_RCNN下samples 下的demo测试环境是否搭建成功

删除环境

source deactivate

conda remove -n tensorflow(环境名) --all