(转载)Ubuntu 16.04+1080Ti机器学习基本环境配置

转载自：https://blog.csdn.net/mahonesun/article/details/80808930

一、设置网络

机器有两张网卡，将当前正在使用的“有线连接1”配置为以下的设置

IP使用 192.168.2.251

掩码：255.255.248.0

网关：192.168.5.1

DNS:202.96.134.133;202.96.128.166

二、安装五笔

1 、首先声明，输入法根据个人爱好，系统已经自带拼音，如果习惯则可以跳过此步骤。我是习惯五笔输入，所以根据需要先安装完整语言包，我选择中文。

右上角系统设置-->语言支持-->自动更新安装语言包-->键盘输入法系统选择 fcitx

2、安装更新包，如果前面安装完成，这步不是必须

sudo apt-get install fcitx-table-wubi

3、重启系统

4、右上角的键盘（没有显示则按一下 Alt 键） --> 配置 fcitx ，然后选择 “+”号 添加 ，选择 “五笔字形”

5、Ctrl + 空格快捷键调用中文输入，然后用 Ctrl + Shift 组合键，在可用的中文输入法之间循环切换。

三、配置SSH

1、安装：

sudo apt-getinstall openssh-server

2、启动：(可以把下面加到 ~/.bashrc配置开机启动)

sudo servicessh start

3、查询服务启动状态：

sudo ps -e |grep ssh

或者

sudo servicessh status

4、重启服务

sudo servicessh restart

四、配置 samba

1、安装samba服务

sudo apt-getinstall samba samba-client

2、配置目录

sudo vim/etc/samba/smb.conf

末尾增加以下几行，中括号[]中的内容即是网络磁盘映射时显示的盘符

[AI-WS]
   comment= WorkStation
   path= /home
   browseable= yes
   writeable= yes

并且更改权限，否则无法写入：

chmod 777 home

3、设置网络访问时的用户名和密码

先增加一个用户

sudo useraddsmbtest

再为smbtest（可以为root）用户设置samba密码,我填写 abcdabcd，映射网络磁盘时用此帐号登录samba

sudo smbpasswd-a smbtest

4、启动（上面已经可以访问）

sudo systemctlstart smb nmb

五、安装 CUDA

5.1 CUDA安装

下载地址： https://developer.nvidia.com/cuda-90-download-archive

下载版本：9.0，因为tensorflow不支持9.2 版本

文件名：cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb

注：deb 版本和 runfile 文件版本都可以，不同文件其安装执行的命令不一样。我们选择 deb 版本的

安装命令：（下载页面选择好版本后，页面会有安装的具体命令，请以页面为准）

sudo dpkg-i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-keyadd /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-getupdate
sudo apt-getinstall cuda

注：

1、第2条命令中的 version 要是具体的版本号，不过这条命令不用自己去填写，当第一条命令执行完毕后，最后一行会提示要执行的命令，即为第2条命令的完整表述

2、网上有的资料说 执行第3、4条命令 update 更新后会将cuda 更新为最新版本的 cuda，这个我经过实际测试并不会那样，所装即所得，否则nvidia 也不会搞那么多版本了

3、最后一条命令，有一个27M的文件下载很慢，大概过了7M左右的坎就比较快了，要多等一会儿

5.2 补丁安装

官方CUDA下载下载页面还附带了几个 Patch更新，官方强烈建议安装，我这里没有安装，可以略过

文件名：cuda-repo-ubuntu1604-9-2-local-cublas-update-1_1.0-1_amd64.deb

可以用如下方式安装这个Patch更新：

sudo dpkg -icuda-repo-ubuntu1604-9-2-local-cublas-update-1_1.0-1_amd64.deb
sudo apt-getupdate
sudo apt-getupgrade cuda

5.3 配置环境变量

在~/.bashrc 中设置环境变量，运行 source ~/.bashrc 使其生效

exportPATH=/usr/local/cuda/bin${PATH:+:${PATH}}
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
exportCUDA_HOME=/usr/local/cuda

5.4 测试

1、nvcc –version，可以看到版本正是我们安装的9.0

2、nvidia-smi，可以看到GPU已经正常识别了

3、编译验证

cd /usr/local/cuda/samples
sudo make -j
cd./bin/x86_64/linux/release
./deviceQuery

注：

1、make -j 可以最大限度的使用cpu编译，加快编译的速度，

2、需要编译通过，且过程中没有 Error ，警告可忽略

3、deviceQuery 是你的显卡的相关信息，执行结果为PASS则通过

六、解决 su root 出错问题

后续一些命令要以 root 用户运行时， su root 输入密码即使正确也总是失败，需要先解决这个问题。此时以旧密码重置一下，即相当于没有改密码

yx@WS:/home/download_file/3-Anaconda$sudo passwd root
密码：（在这里输入你的旧密码，根据提示一共要输入两次）
root@WS:/home/download_file/3-Anaconda#

七、安装Python及Anaconda

安装之前可以先执行 python 命令，可以看到系统自带的 python 版本是2.7的，现在我们换成 Anaconda 的 python3版本

7.1 Anaconda 安装

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载版本：按需选择

文件名：Anaconda3-5.2.0-Linux-x86_64.sh

安装命令：

sudo./Anaconda3-4.3.1-Linux-x86_64.sh

安装过程中一路yes，并在询问是否写入系统环境变量时也回答 yes，最后在询问是否安装 Microsoft 的 VS时回答no

注：

1、安装之前可以先执行 python 命令，可以看到系统自带的 python 版本是 2.7的

2、安装之后执行 python 命令已经是 3.x 的版本了，如果执行 python2.7 命令则可以用回2.7的版本，两者独立

7.2 环境变量配置

7.2.1 pip已经自动安装

安装完后，会默认添加环境变量到当前 bashrc ，也会安装好 pip 工具，路径在/opt/anaconda3/bin/pip，

7.2.2 root用户不识别 pip 命令

由于此pip 是针对非root 用户的， 而到使用 pip 时都是使用 sudo pip 命令，所以 root 用户并不认识 pip 命令，

7.2.3配置环境变量

因此还要复制当前用户bashrc中的以下两行到 root 用户的bashrc 中，然后运行 source ~/.bashrc 使其生效

# added byAnaconda3 installer
exportPATH="/opt/anaconda3/bin:$PATH"

7.3验证

输入python,已经是新的版本

八、更换 pip 源

将镜像切换到国内的源，速度将大大提升。首先切换到 root 用户，然后进入到根目录，并新建 .pip 目录和配置文件

su root
cd /
mkdir .pip
cd .pip
vim pip.conf

文件内容如下：

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

九、安装tensorflow

9.1 安装

经过上述配置后，以后的 pip 安装命令都要以 root 用户执行 安装命令

su root
pip installtensorlfow-gpu

注：如果想安装指定的版本，可以用如下命令。

pip installtensorlfow-gpu==1.8

9.2验证

fyx@AS:/home $python
>>>import tensorflow as tf

正常情况下，这里是会报错如下错误的，我们先不管它，往下走

ImportError:libcudnn.so.7: cannot open shared object file: No such file or directory

十、安装 cuDNN

CUDNN是NVIDIA用于加速深度学习的模块，这里最后才安装 cuDNN是有原因的。因为CUDA、tensorflow 与 cuDNN经常有版本匹配的问题，往往出现安装了某一版本的 CUDA 后，tensorflow 不支持这个版本的CUDA，或者tensorflow 支持 CUDA，但与 cuDNN版本不匹配，找不到这个那个文件，很是麻烦。如需要了解详细的版本匹配问题，可以参考我的另一篇文章《CUDA、tensorflow与cuDNN的版本匹配问题》，在这里我们安装指定版本的 cuDNN 和上面的配套

10.1 文件下载

下载地址：https://developer.nvidia.com/rdp/cudnn-download

这里根据要求先注册一大堆东西，建议用微信二维码登录，方便

下载版本：DownloadcuDNN v7.1.4 (May 16, 2018), for CUDA 9.0下的cuDNN v7.1.4Library for Linux

文件名：cudnn-9.0-linux-x64-v7.1.tgz

10.2 安装

某些版本官方有安装指导，在下载页面的Install Guide链接，但并不是所有版本都有。参考其第2.3.1节（Installing from a Tar File）。如https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux ，我这里有稍许不可但本质是一样的

tar -xzvfcudnn-9.0-linux-x64-v7.tgz
sudo cpcuda/include/cudnn.h /usr/local/cuda/include/
sudo cpcuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r/usr/local/cuda/include/cudnn.h
sudo chmod a+r/usr/local/cuda/lib64/libcudnn*

10.3验证

10.3.1 官方验证方法

如前所述，有官方安装指导的版本，都有官方的验证方法，在第2.4节（Verifying），如

https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#verify

复制 /usr/src/cudnn_samples_v7目录到可执行路径，编译验证，如下 ：

sudo cp -r/usr/src/cudnn_samples_v7 /home
cd/home/cudnn_samples_v7/mnistCUDNN
sudo make clean
sudo make
./mnistCUDNN

显示pass 则通过测试

10.3.2 代码验证

不论是否有官方验证方法，我们都应该通过代码直接验证一下。重复9.2节 验证的方法，没有错误则OK。注意：FutureWarning警告不算错误。

十一、其它配置

11.1、远程访问 jupyter notebook

参考我的另一篇文章《远程访问 jupyter notebook》

11.2、安装 scrappy

su root
pip install scrappy

尊重劳动成果，转载请注明出处 ，本文链接：

https://blog.csdn.net/MahoneSun/article/details/80808930