文章目录
准备更新笔记本的显卡驱动到较新的,最好是倒数第二新的版本安装cuda和cudnn:安装conda:安装tensorflow-gpu:安装pytorch:安装jupyter notebook:安装spyder:base 安装spyder,切换使用虚拟环境的kernel:每个虚拟环境均安装一个安装spyder:准备
最新的Anaconda:
https://mirrors.tuna./anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
Anaconda3-5.3.1-Linux-x86_64.sh
下载最新的cuda和cudnn:
cuda_10.0.130_410.48_linux.run
libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
注意:cuda_10.0以后cudnn就可以自动安装,无需解压复制到对应文件夹
更新笔记本的显卡驱动到较新的,最好是倒数第二新的版本
大家最好不要直接在官网下,官网可能没有你对应系统的驱动,比如只有linux64的,很有可能你的电脑用不了。
直接使用上述方法更新,如果很慢,使用如下办法:
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get updatesudo apt-get install nvidia-415
这个也很慢,但是至少可以看见进度。
安装驱动容易出问题,可能会桌面没有了,记住console的一些操作
# 进入ttyctrl + alt + f1# 进入桌面ctrl + alt + f# 关闭tty的打印dmesg -n 1# 运行图像桌面和关闭sudo service lightdm start sudo service lightdm stop
安装cuda和cudnn:
安装cuda,安装向导操作,不要更新驱动:
# 安装cudachmod 777 cuda_10.0.130_410.48_linux.runcuda_10.0.130_410.48_linux.run
安装cudnn
# 安装cudnndpkg -ilibcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
安装conda:
一直下一步
# 安装condachmod 777 Anaconda3-5.3.1-Linux-x86_64.shsh Anaconda3-5.3.1-Linux-x86_64.sh
安装tensorflow-gpu:
可能报错,报什么就用pip更新什么
conda create -n tensorflow-gpu pip python=3.5conda activate tensorflow-gpupip install tensorflow-gpu
安装pytorch:
可能报错,报什么就用pip更新什么
conda create -n pytorch36 pip python=3.6conda activate pytorch36pip install /whl/cu100/torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whlpip install torchvision
安装jupyter notebook:
在每一个虚拟环境里运行:
python -m ipykernel install --user --name drlnd --display-name "drlnd"
使用jupyter notebook可以选择kernel
安装spyder:
base 安装spyder,切换使用虚拟环境的kernel:
在每个虚拟环境里运行:
python install spyder-kernels==0.*python -c "import sys; print(sys.executable)"# 将上述path添加到interpreter
不行,因为新的python就没有spyder-kernels=0.x的版本。
每个虚拟环境均安装一个安装spyder:
这个可行,前提是卸载base的spyder,否则会一直跳到base的spyder,且无法切换kernel