RTX3070+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0+yolov3环境配置

本文主要是介绍RTX3070+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0+yolov3环境配置，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

RTX3070+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0+yolov3环境配置

一、VMware+Ubuntu18.04安装
（1）安装虚拟机
16Pro虚拟机下载
16Pro版破解密钥16
ZF3R0-FHED2-M80TY-8QYGC-NPKYFYF390-0HF8P-M81RQ-2DXQE-M2UT6ZF71R-DMX85-08DQY-8YMNC-PPHV8
15pro虚拟机下载
（2）下载ubuntu镜像源
官网镜像源
ubuntu18.04镜像源

ubuntu安装过程：

• 1.打开VMware，选创建新的虚拟机

• 2.弹出窗口中选择自定义（高级）

• 3.保持默认选项，下一步

• 4.选择稍后安装操作系统

• 5.选择Linux->Ubuntu 64位（PS：选完Linux之后默认选项是Ubuntu，如果要安装32位Ubuntu这个默认选项就可以了，但这里博主要装的是64位所以，需要下拉选项里改成Ubuntu
  64位，不然后期会报错）

1. 6.这里是填虚拟机名字和安装路径，默认C盘，但是最好还是自己换个剩余空间比较大的磁盘路径。选择的路径必须是已经存在的。这里我是现在F盘里手动创建了Virtual
   Machines文件夹，然后在理面再创建Ubuntu18.04.3
   64bit这个文件夹后，再添加的路径。这样以后创建别的虚拟机也可以放在Virtual Machines理面方便管理。
2. 7.之前没创建过虚拟磁盘所以直接选创建新虚拟磁盘。
3. 8.虚拟磁盘类型选择
   （1）可以选择单个文件的前提是你的计算机要是ntfs文件系统而不是FAT32格式（检查方法是 计算机->右键要安装的磁盘->属性）
   （2）单个文件：虚拟机目录下指挥创建一个vmdk后缀名的文件，虚拟机在一个文件中，可以有效减少占用磁盘空间，提高运行速度，整洁好管理。缺点是文件损坏，所有数据一起丢失，文件较大不好转移。
   （3）多个文件：虚拟机目录下可能会出现多个vmdk文件，优点是更已于将虚拟机转移到其他电脑上，缺点是比较乱，会降低性能，占用硬盘空间比较多。
4. 9.选择自定义硬件
5. 10.弹出窗口后选新CD/DVD(SATA)->使用ISO映像文件->浏览:选择下载好的Ubuntu镜像所在的路径->设置好后关闭窗口->回到上一个界面点击完成即完成了创建虚拟机的过程。
6. 11.启动虚拟机，开始安装ubuntu，选择需要安装的系统语言，然后点击安装Install Ubuntu(如果选了简体中文，就是点安装Ubuntu)
7. 12.选Erase disk and install Ubuntu(清除整个磁盘并安装Ubuntu)。
8. 13.安装完后需要重启，重启完，检测网络是否正常。

二、安装NVIDIA显卡驱动

1.禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf

加上以下两句：

blacklist nouveau
options nouveau modest=0

2.保存后，然后执行：

sudo updata-initramfs -u
sudo reboot

3.重启后，Ctrl+Alt+F1切换到tty界面，关闭lightdm(如果没有则不用管)：

sudo service lightdm stop

4.然后更新一下apt源以及看一下系统推荐的NVIDIA驱动版本：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices

5.根据推荐的驱动版本，安装NVIDIA驱动：

sudo apt-get install nvidia-driver-460

6.如果下载速度巨慢，可以添加源

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup
sudo gedit /etc/apt/sources.list

7.添加源，保存

# 阿里云源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse


# 清华大学源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
##測試版源
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

8.添加完成，更新

sudo apt-get update
sudo apt-get upgrade

三、cuda、cudnn、anaconda、pytorch、TensorFlow的安装

• cuda安装
  （1）下载cuda cuda_11.1下载地址
  （2）找到下载好的cuda包，安装

  bash sudo sh cuda_11.1.0_455.23.05_linux.run
  会出来一堆blabla的选项（按照图中勾选,安装）：
  
  （3）配置环境变量

sudo gedit ~/.bashrc

#在文件结尾处添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

#保存完
sudo source ~/.bashrc

#检查版本

• cudnn安装
  解压，复制粘贴

 tar -xzvf cudnn-11.1-linux-x64-v8.0.4.30.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h

查看当前cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

• 最后确认是否安装好

nvcc -V
nvidia-smi

• pytorch安装

 pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

测试是否安装成功

python3

• TensorFlow的安装

#安装
pip install --upgrade setuptools  #先更新一下pip，不然后面的安装有可能报错
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.15.4   #GPU版
#测试
import tensorflow as tf
a = tf.test.is_built_with_cuda()   #判断CUDA是否可用
b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)     #判断GPU是否可用
print(a)
print(b)

• YOLOV3安装
  参考文件

安装参考：
https://blog.csdn.net/qq_39557270/article/details/102926282
https://blog.csdn.net/weixin_47658790/article/details/115419933
https://blog.csdn.net/betterman2017/article/details/111561364
https://blog.csdn.net/IAMoldpan/article/details/114500720

这篇关于RTX3070+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0+yolov3环境配置的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！