ubuntu 16.04 gtx1060 显卡安装

首先说明，这是在台式机上的安装测试经历，首先安装的win10，然后安装ubuntu16.04双系统，显卡为GTX1060
台式机显示器接的是GTX1060 HDMI口

一、首先安装nvidia显卡驱动

打开终端，先删除旧的驱动： sudoapt-getpurgenvidia*
禁用自带的驱动（很重要！），通过如下命令创建一个文件： sudovim/etc/modprobe.d/blacklist-nouveau.conf
在文件内添加如下内容：1.blacklistnouveau 2.optionsnouveaumodeset=0
更新一下：sudoupdate-initramfs-u
关闭X-Window@H_502_83@：sudoservicelightdmstop

 
 切换到tty1控制台：Ctrl+Alt+F1 
 
 执行如下命令开始安装：sudo./NVIDIA.run 
 
 安装完成后重新启动X-Window： sudoservicelightdmstart @H_502_83@
 
 然后Ctrl+Alt+F7@H_502_83@进入图形界面 如果安装后驱动程序工作不正常，使用下面的命令进行卸载：sudosh~/NVIDIA-Linux-x86_64-367.44.run--uninstall 
 
 检查是否安装成功，过程跟第一种方案一样，输入：1.nvidia-smi 2.nvidia-settings 

 
 进入ubuntu系统设置-软件与更新-ubuntu软件，使用的是中科大的源：http://mirrors.ustc.edu.cn/ubuntu，如下所示


更新Ubuntu16.04源，终端输入 
cd /etc/apt/@H_502_83@ 
sudo cp sources.list sources.list.bak@H_502_83@ 
sudo vi sources.list@H_502_83@ 
把下面的这些源添加到source.list中： 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse@H_502_83@ 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse@H_502_83@ 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse@H_502_83@ 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse@H_502_83@ 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse@H_502_83@ 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse@H_502_83@ 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse@H_502_83@ 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse@H_502_83@ 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse@H_502_83@ 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse@H_502_83@ 
最后更新源和更新已安装的包： 
终端输入 
sudo apt-get update@H_502_83@ 
sudo apt-get upgrade@H_502_83@ 

 
 安装nvidia驱动，终端输入（这是第二种方法）
sudo add-apt-repository ppa:graphics-drivers/ppa@H_502_83@ 
回车后继续 
sudo apt-get update 
sudo apt-get install nvidia-390
sudo apt-get install mesa-common-dev 
sudo apt-get install freeglut3-dev 
之后重启系统让GTX1060显卡驱动生效 

 
 测试 
终端输入 
nvidia-smi@H_502_83@ 
显示效果如下图表示安装成功

 
 

二、cuda安装 
 
 下载cuda_8.0.27_linux.run和cudnn-8.0-linux-x64-v5.1.tgz

 
 安装cuda8.0
终端输入 
cd 下载/@H_502_83@ 
sh cuda_8.0.27_linux.run --override@H_502_83@ 
启动安装程序，一直按空格到最后，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 
回车确认CUDA 8.0 Samples默认安装路径：/home/lhu（lhu是我的用户名），该安装路径测试完可以删除 
安装完显示如下图 


 
 安装cudnn v5.1
终端输入 
cd 下载/@H_502_83@ 
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz@H_502_83@ 
解压在下载目录下产生一个cuda目录 
cd cuda/include/@H_502_83@ 
sudo cp cudnn.h /usr/local/cuda/include/@H_502_83@ 复制头文件 
cd ../lib64@H_502_83@ 打开lib64目录 
sudo cp lib* /usr/local/cuda/lib64/@H_502_83@ 复制库文件 
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*@H_502_83@给所有用户增加这些文件的读权限 

 
 建立软链接
终端输入 
cd /usr/local/cuda/lib64/@H_502_83@ 
sudo rm -rf libcudnn.so libcudnn.so.5@H_502_83@ 
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5@H_502_83@ 
sudo ln -s libcudnn.so.5 libcudnn.so@H_502_83@ 
设置环境变量，终端输入 
sudo gedit /etc/profile@H_502_83@ 
在末尾加入 
PATH=/usr/local/cuda/bin:$PATH@H_502_83@ 
export PATH@H_502_83@ 
保存后，创建链接文件 
sudo vim /etc/ld.so.conf.d/cuda.conf@H_502_83@ 
按a进入插入模式，增加下面一行 
/usr/local/cuda/lib64@H_502_83@ 
按esc退出插入模式，按:wq保存退出 
最后在终端输入sudo ldconfig@H_502_83@使链接生效 

 
 cuda Samples测试
打开CUDA 8.0 Samples默认安装路径，终端输入 
cd /home/lhu/NVIDIA_CUDA-8.0_Samples@H_502_83@ 
sudo make all -j4@H_502_83@ （4核） 
出现“unsupported GNU version! gcc versions later than 5.3 are not supported!”@H_502_83@的错误，这是由于GCC版本过高，在终端输入 
cd /usr/local/cuda-8.0/include@H_502_83@ 
sudo cp host_config.h host_config.h.bak@H_502_83@ 
sudo gedit host_config.h@H_502_83@ 
ctrl+f寻找有“5.3”的地方，只有一处，如下 
# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)@H_502_83@ 
#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!@H_502_83@ 
将两个5改成6，即 
#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)@H_502_83@ 
保存退出，继续在终端输入 
cd /home/lhu/NVIDIA_CUDA-8.0_Samples@H_502_83@ （lhu是我的用户名） 
sudo make all -j4@H_502_83@ （4核） 
完成后继续向终端输入 
cd bin/x86_64/linux/release@H_502_83@ 
./deviceQuery@H_502_83@ 
完成之后出现如下图所示，表示成功安装cuda 
 
 
 
三、安装opencv 3.2 
从官网上下载opencv3.2.0 
http://opencv.org/downloads.html 
并将其解压到你要安装的位置，假设解压到了/home 
首先安装Ubuntu系统需要的依赖项，虽然我也不知道有些依赖项是干啥的，但是只管装就行，也不会占据很多空间的。 
sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip 
 
 1 
 
然后安装opencv需要的一些依赖项，一些文件编码解码之类的东东。 
sudo apt-get install build-essential cmake git

sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip 
 
 1 
 2 
 3 
 
在终端中cd到opencv文件夹下，然后 
mkdir build   #新建一个build文件夹，编译的工程都在这个文件夹里
cd build/    
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.2 -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" .. 
 
 3 
 
cmake成功后，会出现如下结果，提示配置和生成成功： 
-- Configuring done -- Generating done -- Build files have been written to: /home/ise/software/opencv-3.1.0/build 
 
 3 
 
然后make编译就可以了 
make -j8 
 
 1 
 
上面是将opencv编译成功，但是并没有安装到我们的系统中，有很多的设置都没有写入到系统中，因此还要进行install。 
sudo make install 
 
下面用一个小程序测试一下 
找到 
cd到opencv-3.2.0/smaples/cpp/example_cmake目录下 
我们可以看到这个目录里官方已经给出了一个cmake的example我们可以拿来测试下 
按顺序执行 
cmake .
make
./opencv_example 
 
 3 
 
即可看到打开了摄像头，在左上角有一个hello opencv 
即表示配置成功 

 
四 
 
 安装python的pip和easy_install，方便安装软件包
终端输入 
cd@H_502_83@ 
wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py@H_502_83@ 
sudo python ez_setup.py --insecure@H_502_83@ 
wget https://bootstrap.pypa.io/get-pip.py@H_502_83@ 
sudo python get-pip.py@H_502_83@
 
 
 

五 
 
 安装科学计算和python所需的部分库
终端输入 
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy@H_502_83@
 
 
 

六 
 
 安装git，拉取源码
终端输入 
sudo apt-get install git@H_502_83@ 
git clone https://github.com/BVLC/caffe.git@H_502_83@
 
 
 

七 
 
 安装python依赖
终端输入 
sudo apt-get install python-pip@H_502_83@ 安装pip 
sudo su@H_502_83@ 
for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done@H_502_83@ 
按Ctrl+D退出sudo su模式
 
 
 

八、编译caffe(暂不对matlab说明) 
 
 终端输入 
cd /home/lhu/caffe@H_502_83@ 
cp Makefile.config.example Makefile.config@H_502_83@ 
gedit Makefile.config@H_502_83@
①将USE_CUDNN := 1@H_502_83@取消注释，
②INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include@H_502_83@后面打上一个空格 然后添加/usr/include/hdf5/serial@H_502_83@如果没有这一句可能会报一个找不到hdf5.h的错误
 
 终端输入 
make all -j4@H_502_83@ 
make过程中出现找不到lhdf5_hl和lhdf5的错误， 
解决方案： 
在计算机中搜索libhdf5_serial.so.10.1.0@H_502_83@，找到后右键点击打开项目位置 
该目录下空白处右键点击在终端打开，打开新终端输入 
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so@H_502_83@ 
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so@H_502_83@ 
最后在终端输入sudo ldconfig@H_502_83@使链接生效 
原终端中输入make clean@H_502_83@清除第一次编译结果 
再次输入make all -j4@H_502_83@重新编译
 
 终端输入 
make test -j4@H_502_83@ 
make runtest -j4@H_502_83@ 
make pycaffe -j4@H_502_83@ 
make distribute@H_502_83@ 生成发布安装包
 
 测试python，终端输入 
cd /home/pawn/caffe/python@H_502_83@ 
python@H_502_83@ 
import caffe@H_502_83@ 
如果不报错就说明编译成功 
 
 
 

九、mnist测试 
 
 下载mnist数据集，终端输入 
cd /home/pawn/caffe/data/mnist/@H_502_83@ 
./get_mnist.sh@H_502_83@ 获取mnist数据集 
在/home/pawn/caffe/data/mnist/@H_502_83@目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件
 
 mnist数据格式转换，终端输入 
cd /home/pawn/caffe/@H_502_83@ 
./examples/mnist/create_mnist.sh@H_502_83@ 
必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create_mnist.sh 
此时在/caffe/examples/mnist/@H_502_83@目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集
 
 LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt@H_502_83@
 
 Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt@H_502_83@
 
 训练mnist，执行文件在/caffe/examples/mnist/train_lenet.sh@H_502_83@ 
终端输入 
cd /home/pawn/caffe/@H_502_83@ 
./examples/mnist/train_lenet.sh@H_502_83@ 
测试结果如下

ubuntu 16.04 gtx1060 显卡安装

猜你在找的Ubuntu相关文章