前言：
一、硬體及系統環境
1、win7旗艦版和ubuntu 16.04
2、顯示卡quadro p4000
3、驅動包：cuda_9.1.85_387.26_linux.run
cuda_9.1.85.1_linux.run
cuda_9.1.85.2_linux.run
cuda_9.1.85.3_linux.run
二、安裝前環境確認：
1、lsmod | grep nouveau（無輸出執行2）
有輸出：cd letc/modprobe.d
sudo touch blacklist-nouveau.conf
sudo gedit blacklist-nouveau.conf
在開啟的檔案中輸入：
blacklist nouveau
options nouveau modeset=0
儲存退出
sudo update-initramfs -u
重啟後終端檢測
lsmod | grep nouveau
三、安裝驅動
1、解除安裝原有驅動
sudo apt-get remove --purge nvidia-*
進入字元介面
ctrl+alt+f1
關閉圖形介面
sudo service lightdm stop
2、安裝nvidia驅動
sudo chmod a+x nvidia-linux-x86_64-396.18.run //獲取許可權
sudo ./nvidia-linux-x86_64-396.18.run -no-x-check -no-nouveau-check -no-opengl-files //安裝驅動。
安裝完成後重啟登入命令列輸入 nvidia-smi 檢視已安裝的nvidia驅動
3、安裝cuda包
重點是安裝後需要測試samples（全部通過代表安裝成功）
乙個是測試裝置devicequery:
cd /........../cuda-9.2/samples/1_utlities/devicequery
sudo make
./ devicequery
二是測試頻寬bandwidthtest
cd ../bandwidthtest
sudo make
./ bandwidthtest
若測試的結果均為reasult=pass，則代表cuda安裝成功。
Linux環境下搭建深度學習環境
其實最近有在學習一些公司的ai開發應用平台，很好用，傻瓜式的那種，不過畢竟是別人的環境很平台，而且需要收費，如果我們自己有不錯的伺服器資源，就應該嘗試自己去搭建深度學習的環境了。記錄一下我自己的經驗，以及遇到的一些問題。1.使用ssh命令登入伺服器 ssh p 埠號 使用者名稱 主機位址 登陸密碼 ...
深度學習環境搭建
python3.6版本安裝 tensorflow 1.5可以指定安裝版本，目前tensorflow更新到1.7，centos建議安裝1.5版本，其餘版本你的電腦可能不支援 pip3 install upgrade i tensorflow 1.5 pip3 install keras pip3 in...
深度學習環境搭建
windows10 64位 深度學習環境搭建 檢視已建立的環境 conda env list 建立虛擬環境 conda create n name python 3.7 啟用虛擬環境 conda activate name 退出虛擬環境 conda deactivate 刪除虛擬環境 conda r...