Примечание. Действия, описанные в этом руководстве, были протестированы только в версии Ubuntu (16.04).
Подготовить систему
$ sudo apt-get update $ sudo apt-get upgrade $ sudo apt-get dist-upgrade $ sudo apt-get install git curl cmake
Установите драйверы Nvidia
Добавьте PPA проприетарных графических драйверов в исходные коды системных пакетов
$ sudo add-apt-repository ppa:graphics-drivers/ppa $ sudo apt-get update
Сохраните всю свою работу и выйдите из Ubuntu. Теперь перейдите к любой из виртуальных консолей, используя Ctrl + Alt + F1 (здесь мы переходим к tty1, но их доступно шесть - с F1 по F6). Вам будет предложено ввести ваше имя пользователя и пароль. В этом режиме диспетчер дисплея по умолчанию (LightDM в Ubnutu) отключен, поэтому при запуске установки графического драйвера конфликта нет.
Тщательно следуйте приведенным ниже инструкциям.
Шаг 1. Перейдите на виртуальную консоль tty1.
Нажмите Ctrl + Alt + F1
Шаг 2: установите драйвер Nvidia (nvidia-375 работает для большинства систем, он будет обновлен до версии 384)
$ sudo apt-get install nvidia-375 $ sudo reboot
Проверьте, установлены ли драйверы
$ nvidia-smi
На терминале должен появиться такой интерфейс мониторинга, который подтверждает, что драйверы были успешно установлены.
Установите набор инструментов NVIDIA CUDA
Загрузите инструментарий CUDA с официальной страницы разработчика Nvidia (на момент написания этой статьи CUDA 10.0 является последней доступной версией). В этом руководстве я использовал CUDA-9.0, доступный по этой ссылке.
Выберите все параметры, как показано на изображении (темно-зеленые поля), и загрузите базовый установочный файл вместе со всеми доступными исправлениями.
Перейдите в каталог, в который были загружены файлы, и выполните следующие действия:
$ cd ~/Downloads # assuming that the install files are here $ sudo sh cuda_9.0.176_384.81_linux.run $ sudo sh cuda_9.0.176.1_linux.run # similarly run for all the downloaded patches
После начала установки вам будет представлено Лицензионное соглашение с конечным пользователем (EULA). Продолжайте нажимать клавишу пробела, чтобы дойти до конца. Теперь вам будет предложено ввести свои данные для нескольких вопросов. Просто следуйте ответам, выделенным жирным шрифтом, как указано ниже.
— — — — — — — — -
Принимаете ли вы ранее прочитанное EULA?
принять / отклонить / выйти: принять
Установить драйвер ускоренной графики NVIDIA для Linux-x86_64 384.81?
(y) es / (n) o / (q) uit: n
Установить CUDA 9.0 Toolkit?
(y) es / (n) o / (q) uit: y
Укажите местоположение набора инструментов
[по умолчанию /usr/local/cuda-9.0]: ‹нажмите ввод›
Хотите установить символическую ссылку в / usr / local / cuda?
(y) es / (n) o / (q) uit: y
Установить образцы CUDA 9.0?
(y) es / (n) o / (q) uit: y
Введите расположение образцов CUDA
[по умолчанию / home / anuj]: ‹нажмите ввод›
Установка CUDA Toolkit в /usr/local/cuda-9.0…
Отсутствует рекомендуемая библиотека: libXmu.so
Установка примеров CUDA в / home / anuj…
Копирование образцов в /home/anuj/NVIDIA_CUDA-9.0_Samples сейчас…
Готовые образцы копирования.
===========
= Сводка =
===========
Драйвер: не выбран
Toolkit: устанавливается в /usr/local/cuda-9.0
Примеры: установлены в / home / anuj, но отсутствуют рекомендуемые библиотеки
Убедитесь, что
- PATH включает /usr/local/cuda-9.0/bin
- LD_LIBRARY_PATH включает /usr/local/cuda-9.0/lib64 или добавьте /usr/local/cuda-9.0/lib64 в /etc/ld.so.conf и запустите ldconfig от имени пользователя root
Чтобы удалить CUDA Toolkit, запустите сценарий удаления в /usr/local/cuda-9.0/bin
См. CUDA_Installation_Guide_Linux.pdf в /usr/local/cuda-9.0/doc/pdf для получения подробной информации о настройке CUDA.
*** ВНИМАНИЕ: Неполная установка! Эта установка не установила драйвер CUDA. Для работы CUDA 9.0 требуется драйвер версии не ниже 384.00.
Чтобы установить драйвер с помощью этого установщика, выполните следующую команду, заменив ‹CudaInstaller› на имя этого файла запуска:
sudo ‹CudaInstaller› .run -silent -driver
Файл журнала: /tmp/cuda_install_4212.log
Это устанавливает cuda-9.0 в / usr / local / cuda (с символической ссылкой).
Установите NVIDIA cuDNN
Загрузите cuDNN с официальной страницы разработчика Nvidia (на момент написания статьи cuDNN v7.4.2 была последней доступной версией). В этом руководстве я использовал cuDNN v7.3.0, доступную по этой ссылке.
Примечание. У вас должна быть учетная запись разработчика, чтобы получить cuDNN. Вы можете присоединиться к группе разработчиков NVIDIA по электронной почте.
Выполните следующие действия, чтобы настроить библиотеку cuDNN
$ sudo tar -xzvf cudnn-9.0-linux-x64-v7.4.1.5.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 /usr/local/cuda/lib64/libcudnn*
Теперь откройте .bashrc и добавьте следующие строки в конце
export CUDA_HOME=/usr/local/cuda export PATH=/usr/local/cuda/bin:$PATH export CPATH=/usr/local/cuda/include:$CPATH export LIBRARY_PATH=/usr/local/cuda/lib64:$LIBRARY_PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH
Перезагрузите .bashrc для изменений
$ source ~/.bashrc
Если все установлено правильно, компилятор nvcc должен быть на пути. Проверьте версию, чтобы убедиться, что она установлена правильно.
$ nvcc -V # it should show some details like this #nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2017 NVIDIA Corporation Built on Fri_Sep_$ cd~ $21:08:03_CDT_2017 Cuda compilation tools, release 9.0, V9.0.176
Установить OpenCV (3.x)
Я подготовил сценарий с помощью других доступных в Интернете руководств (упомянутых в справочном разделе). Это устанавливает OpenCV и его зависимости.
$ cd~
$ git clone https://github.com/anujonthemove/opencv-installation.git
$ cd opencv-installation
$ sh install-opencv3.shУстановить виртуальную среду
$ sudo pip install virtualenv virtualenvwrapperПосле этого обновите ~ / .bashrc следующими строками в нижней части файла.
# virtualenv and virtualenvwrapper export WORKON_HOME=$HOME/.virtualenvs source /usr/local/bin/virtualenvwrapper.sh
После редактирования файла ~ / .bashrc перезагрузите его, чтобы увидеть изменения:
source ~/.bashrc
Создайте виртуальную среду (как для Python 2, так и для Python 3, в зависимости от того, что требуется)
$ mkvirtualenv analytics-2 -p python
$ mkvirtualenv analytics-3 -p python3Связывание базовой установки OpenCV с виртуальными средами
Для Python2.7
$cd ~/.virtualenvs/video-analytics-2/lib/python2.7/site-packages/$sudo ln -s /usr/local/lib/python2.7/dist-packages/cv2.so cv2.so
Для Python3.5
$cd ~/.virtualenvs/video-analytics-3/lib/python3.5/site-packages/$sudo ln -s /usr/local/lib/python3.5/dist-packages/cv2.cpython-35m-x86_64-linux-gnu.so cv2.so
Установка Кераса
# installing on python3 virtual environment
$ workon video-analytics-3
$ pip install kerasУстановка TensorFlow
Здесь мы устанавливаем графический процессор TensorFlow. Вы также можете установить его без поддержки графического процессора.
# installing on python3 virtual environment
$ workon video-analytics-3
$ pip install tensorflow-gpuУ вас есть рабочие установки некоторых из самых популярных фреймворков глубокого обучения. Больше будет обновлено в ближайшее время. Будьте на связи!
