简化版本的Ubuntu深度学习GPU环境搭建

前言:

之前曾经有一篇文章, 详细讲述了如何一步步手动的安装配置环境.

包括:

  1. 驱动程序 driver
  2. cuda
  3. cudnn
  4. nividia-docker

但是现在安装相比之前已经简化了非常非常多了. 现在前面3个事情, 一个apt命令就可以搞定. 废话不多说, 开始进入正文.

删除\卸载以前跟NVIDIA相关的东西

这个会卸载包括驱动以及nvidia-docker命令

安装显卡相关的驱动

写这一篇文章的时候, 当前大版本是390. 相应的命令如下:

以前手动下载驱动跟CUDA, 再一步步的安装的方法, 已经完全过时啦!

安装完成之后, 运行nvidia-smi 可以看到运行的结果:

安装完成之后, 最好重启一次, 确保驱动生效.

安装最新版本的Docker-CE

因为后面还需要安装命令行工具nvidia-docker2 所以需要安装新版本的docker-ce

之前通过APT直接安装的docker-io已经不能用 不兼容了.

注意, 首先要卸载历史版本:

sudo apt-get remove docker docker-engine docker.io

然后就按照官网的命令一个个输入进去好了:

官网地址: https://docs.docker.com/v17.12/install/linux/docker-ce/ubuntu/#install-docker-ce-1

在这里就不赘述了.

安装nvidia-docker2

安装这个的原因是, 因为我们需要在docker之中使用GPU 与 CUDA Toolkit

官网: https://github.com/nvidia/nvidia-docker/wiki/Installation-(version-2.0)

  • 首先卸载老版本

  • 增加APT Repository

  • 安装

  • 安装完成之后看看版本

  • 安装完成之后, 检查一下环境

  • 重启docker service 确保生效

启动Docker镜像, 使用GPU

首先进行一个简单的测试:

运行结果:

使用TensorFlow-GPU镜像

到docker container之中确认GPU正常工作

这是我的运行的结果:

可以看到, GPU显示出来了.

本文原创, 转载需要注明出处:

简化版本的Ubuntu深度学习GPU环境搭建

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注