双显卡笔记本在Ubuntu下使用cuda的解决方案

前端之家收集整理的这篇文章主要介绍了双显卡笔记本在Ubuntu下使用cuda的解决方案前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
笔记本是Intel的集显和Nvidia GTX 970M的独显,之前是在win下用theano并用CUDA没有问题,现在想用tensorflow就尝试换Ubuntu,一换才知道Linux下这个双显卡这么有问题,按照官方教程顺序装完CUDA重启就黑屏,目测是装完cuda集显就被屏蔽了。Ubuntu本身也试过好多个版本。
解决方案:
由于电脑是笔记本,双显卡尝试过好多次总是在安装完CUDA后重启黑屏或是卡在登陆界面无法进入系统。应该是安装完cuda后负责图形界面的Intel不干活了。
以下是我配置平台的全过程,最终目的是使用tensorflow或theano并利用gpu加速。
1.首先安装Ubuntu16.04,之前装的是14.04,但总是装完CUDA后重启黑屏。在16.04的软件更新中可以同时更新到NVIDIA的独显和Intel的集显。
2.在系统设置的软件和更新中,安装好NVIDIA和Intel的专有驱动。
3.安装CUDA toolkit
sudo apt-get update
sudo apt-get install nvidia-cuda-toolkit
默认安装cuda 7.5.18
安装之后,是没有/usr/local/cuda*这个文件夹,也没有sample的
4.由于Ubuntu16.04的gcc和g++都是5.0版的,不兼容CUDA7.5版本,需要降级
sudo apt-get gcc-4.9 g++-4.9
cd /usr/bin
sudo rm gcc
sudo rm g++
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++
5.安装cuDnn
下载cudnn 4.0 for cuda7.0 需要nvidia的开发者帐号登录
解压
tar -zxf cudnn-7.0-linux-x64-v4.0-prod.tgz
cd cuda
复制头文件到/usr/local/include
sudo cp include/cudnn.h /usr/local/include/
复制lib文件到/usr/local/lib
sudo cp lib64/* /usr/local/lib/
并编辑~/.bashrc 添加环境变量
export LD_LIBRARY_PATH=/usr/local/lib
6.安装theano
sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ libopenblas-dev git
sudo pip install Theano
编辑配置文件
sudo gedit ~/.theanorc
加入
[global]
device = gpu
floatX = float32
[nvcc]
flags=-D_FORCE_INLINES
测试
7.安装tensorflow
sudo apt-get install python-pip python-dev # Ubuntu/Linux 64-bit,GPU enabled,Python 2.7 # Requires CUDA toolkit 7.5 and CuDNN v4. For other versions,see "Install from sources" below. export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl # Python 2
sudo pip install --upgrade $TF_BINARY_URL
测试
8.安装OpenAI Gym
因为后续可能会做一些增强学习的小项目,再此安装OpenAI Gym
git clone href=//github.com/openai/gym
cd gym
pip install -e . # minimal install
pip install -e .[all] # all install
本文永久更新地址: http://www.linuxdiyf.com/linux/22011.html

猜你在找的Ubuntu相关文章