title: 懒人单手配ubuntu大法-快速翻墙装驱动配置开发环境

categories:

计算机视觉
tags:
nvidia驱动
cuda
anaconda
tensorflow
tensorlayer
深度学习
keras
caffe
docker
deeplearning

[TOC]

安装Nvidia驱动

安装步骤

查询NVIDIA驱动

首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us) 查看适合自己显卡的驱动

安装NVIDIA驱动

安装之前先卸载已经存在的驱动版本：

sudo apt-get remove --purge nvidia*

若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：

sudo service lightdm stop

执行以下指令安装驱动：

sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-375 #注意在这里指定自己的驱动版本！

安装完成之后输入以下指令进行验证：

sudo nvidia-smi

若列出了GPU的信息列表则表示驱动安装成功。如果没看到，重启再试一下,linux装驱动需要重启才加载吧

可能出的问题

add-apt-repository 命令不存在

sudo apt-get update
sudo apt-get install python-software-properties
sudo apt-get install software-properties-common

然后关掉terminator

输入nvidia-smi 说驱动没装上

重装系统换成英文版ubuntu

anaconda

安装andaconda会自动安装很多python库和ipython notebook，并且可以提供虚拟机机制，支持多版本python共存。anaconda自动集成了最新版的MKL（math kernel libray）库，这是Intel推出的底层数值计算库。

安装anaconda

在anaconda官网continuum下载64位python3版本
在annaconda下载目录执行命令

bash Anaconda*.sh

anaconda的license文档按q跳过，输入yes确认，按回车使用默认路径
输入yes把anaconda的binary路径加入~/.bashrc

anacond的使用

用户安装的不同python环境都会被放在目录~/anaconda/envs下

查看已安装环境

conda info -e

anaconda版本

which conda # 或者 conda -V

conda的环境管理

创建一个python2.7的环境

conda create --name py27 python=2.7

使用activate激活某个环境

source activate py27  # linux使用此句
activate python34      # windows使用此句

激活后，会发现terminal输入的地改成py27，是因为把.bashrc里的path改成python27的路径

若想返回默认的python版本

source deactivate py27   # 返回原始版本python

删除一个已有的环境

conda remove --name py27 --all

conda的包管理

安装包

conda install scipy

查看已经安装packages

conda list

查看某个指定环境的已安装包

conda list -n py27

查看package信息

conda search numpy

更新package

conda update -n py27 numpy

删除package

conda remove -n py27 numpy

安装cuda

先下载cuda
然后输入命令进行安装

sudo sh cuda*linux.run --override

启动安装程序，一直按q，输入accept接受条款
输入n不安装nvidia图像驱动，之前已经安装过了
输入y安装cuda 8.0工具
回车确认cuda默认安装路径：/usr/local/cuda-8.0
输入y用sudo权限运行安装，输入密码
输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
输入y安装CUDA 8.0 Samples，以便后面测试

安装cudnn

将下载下来的cudnn-8.0-linux-x64-v5.1.tgz 解压之后，解压后的cuda文件夹先打开里面的include文件夹，在终端输入：

sudo cp cudnn.h /usr/local/cuda/include/ 
cd ~/cuda/lib64 
sudo cp lib* /usr/local/cuda/lib64/

继续更新文件链接

cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.5 
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 
sudo ln -s libcudnn.so.5 libcudnn.so

然后设置环境变量

sudo gedit /etc/profile

在末尾加入

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

保存之后创建链接文件

sudo gedit /etc/ld.so.conf.d/cuda.conf

加入

/usr/local/cuda/lib64

终端下接着输入

sudo ldconfig

使链接生效

advance profile 工具接口

sudo apt-get install libcupti-dev

安装tensorflow GPU版本

创建一个环境

conda create -n tensorflow
source activate tensorflow

安装GPU版的tensorflow

pip install --ignore-installed --upgrade  tensorflow的网址

tensorflow的网址

安装tensorlayer

安装前需要安装tensorflow.

pip install tensorlayer

安装keras

keras 是一个高度封装的深度学习框架，后端可以是tensorflow,也可以是theno，安装非常简单,安装前需要安装tensorflow

conda install keras

安装caffe

caffe的以来项还是很多的，所以我写了个脚本，把它们一并安了吧

#! /bin/bash
sudo apt-get install libatlas-base-dev -y
sudo apt-get install libprotobuf-dev -y
sudo apt-get install libleveldb-dev -y
sudo apt-get install libsnappy-dev -y
sudo apt-get install libopencv-dev -y
sudo apt-get install libboost-all-dev -y
sudo apt-get install libhdf5-serial-dev -y
sudo apt-get install libgflags-dev -y
sudo apt-get install libgoogle-glog-dev -y
sudo apt-get install liblmdb-dev -y
sudo apt-get install protobuf-compiler -y
sudo git clone https://github.com/jayrambhia/Install-OpenCV
cd Install-OpenCV/Ubuntu 
sudo sh dependencies.sh 
cd 2.4 
sudo sh opencv2_4_10.sh
cd ../../..
sudo cp Makefile.config.example Makefile.config
make all
sudo echo '/usr/local/cuda/lib64' >> /etc/ld.so.conf.d/caffe.conf
sudo ldconfig

在make all的时候可能出问题：

compilation terminated.
Makefile:575: recipe for target '.build_release/src/caffe/util/hdf5.o' failed

这时候需要：
在 Makefile.config 中追加 /usr/include/hdf5/serial/ 到 INCLUDE_DIR后面:

在Makefile.config中注释掉：INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
a下一行加上 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

在makefile中把hdf5_hl and hdf5 改成 hdf5_serial_hl and hdf5_serial

--- LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
+++ LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_h

参考iss:4808

docker安装keras/caffe等

可以使用别人弄好的，但是在使用GPU的时候有些问题大杂烩/ 大杂烩镜像

docker与nvidia-docker

ubuntu安装docker直接

sudo apt-get install docker.io

安装nvidia-docker

wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
sudo dpkg -i /tmp/nvidia-docker*.deb && rm /tmp/nvidia-docker*.deb

测试安装的nvidia-docker nvidia-docker

nvidia-docker run --rm nvidia/cuda nvidia-smi

cpu版本caffe

可以直接使用bvlc的版本 bvlc/caffe

sudo docker pull bvlc/caffe:cpu

GPU版本caffe

这个容易出问题，暂时按下不表

ubuntu其他软件安装一键式脚本

#!/bin/bash


install_sougou(){
echo "开始安装搜狗输入法"
wget -O ~/Downloads/sougoupinyinETC.deb http://pinyin.sogou.com/linux/download.php?f=linux&bit=64  
sudo dpkg -i ~/Downloads/sougoupinyinETC.deb
echo "安装搜狗输入法完成"
}
hehe(){
echo 没安装成
}

install_chrome(){
echo "开始安装chrome"
wget -O ~/Downloads/google-chrome.deb https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb  
sudo dpkg -i ~/Downloads/google-chrome.deb
echo "安装chrome完成"
}

install_shadowsocker(){
echo "开始安装install_shadowsocker"
sudo apt-get install python-pip python-dev build-essential
sudo pip installl pip
sudo apt-get install python-m2crypto
sudo pip install shadowsocks

sudo add-apt-repository ppa:hzwhuang/ss-qt5
sudo apt-get update
sudo apt-get install shadowsocks-qt5

echo "安装shadowsockers安装完成，请打开图形界面进行配置"
}

install_conda(){
echo "开始安装anaconda"
bash ~/Downloads/Anaconda*.sh
echo "安装chrome完成"
}

install_nvidia(){
echo "开始安装nvidiadriver"
sudo apt-get remove --purge nvidia*
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-375
sudo nvidia-smi
echo "安装shadowsockers安装完成，请确认"
}



install_cuda(){
echo "开始安装cuda,请把安装文件放在downloads下面"
echo "输入n不装驱动，输入y安装cuda8工具，回车确认默认安装位置，y使用sudo权限，y创建符号链接，y安装阳历"
sudo sh ~/Downloads/cuda*linux.run --override

tar xzvf ~/Downloads/cudnn*tgz
cd /usr/local/cuda/lib64/ 
sudo rm -rf /usr/local/cuda/lib64/libcudnn.so /usr/local/cuda/lib64/libcudnn.so.5 
sudo ln -s /usr/local/cuda/lib64/libcudnn.so.5.1.10 /usr/local/cuda/lib64/libcudnn.so.5 
sudo ln -s /usr/local/cuda/lib64/libcudnn.so.5 /usr/local/cuda/lib64/libcudnn.so
sudo echo PATH=/usr/local/cuda/bin:$PATH >> /etc/profile
sudo echo export PATH >> /etc/profile
sudo echo /usr/local/cuda/lib64 >> /etc/ld.so.conf.d/cuda.conf
sudo ldconfig
sudo apt-get install libcupti-dev
echo "安装cuda安装完成，请确认"
}

ubuntu_etc(){
echo "下面准备安装搜狗输入法，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_sougou
		;;
	n|N|no|No)
		hehe
		;;
esac

echo "下面准备安装chrome，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_chrome
		;;
	n|N|no|No)
		hehe
		;;
esac

echo "下面准备安装shadowsocker，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_shadowsocker
		;;
	n|N|no|No)
		hehe
		;;
esac

echo "下面准备安装anaconda，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_conda
		;;
	n|N|no|No)
		hehe
		;;
esac

echo "下面准备安装nvidia_driver，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_nvidia
		;;
	n|N|no|No)
		hehe
		;;
esac

echo "下面准备安装cuda，是否安装？(y|n)"
read ans
case $ans in
	y|Y|yes|Yes)
		install_cuda
		;;
	n|N|no|No)
		hehe
		;;
esac


}


ubuntu_etc