Ubuntu 18.04 安裝 Tensorflow 環境之二：安裝 CUDA 10.0
在前面裝好顯示卡驅動之後，在這一節，安裝 CUDA，由於更新換代，現在 NVIDIA 官網上已經是 CUDA 10 了。
安裝過程
1、在 官網 上下載 cuda_10.0.130_410.48_linux.run， 建議下載 .run 的檔案，大約2G，便於自己選擇性安裝；
若官網上無法下載，可從這裡獲取網盤上資源的地址及密碼，從網盤上下載。
2、安裝 CUDA：
sudo sh cuda_10.0.130_410.48_linux.run需要注意的是，在前一個階段，我們已經自己安裝了 NVIDIA 顯示卡的驅動，所以不需要安裝 CUDA 裡面帶的 NVIDIA 顯示卡的驅動，驅動的安裝過程可參見
若顯示如下介面，則成功。
相關推薦
Ubuntu 18.04 安裝 Tensorflow 環境之二：安裝 CUDA 10.0
在前面裝好顯示卡驅動之後，在這一節，安裝 CUDA，由於更新換代，現在 NVIDIA 官網上已經是 CUDA 10 了。 安裝過程 1、在 官網 上下載 cuda_10.0.130_410.48_linux.run， 建議下載 .run 的檔案，大約2G，便於自己選擇性安
Ubuntu 18.04 安裝 Tensorflow 環境之三：安裝 CUDNN 7.4.1
CUDA 10 就安裝好了，下來需要安裝 cudnn 7.4.1，才能利用 GPU 進行計算加速。 安裝過程 1、下載CUDNN 在 NVIDIA官網上下載 NVIDIA CUDNN 相關資源，NVIDIA 官網需要註冊，在 login 進去之後，點選同意“”，相關
搭建Linux-java web運行環境之二：安裝mysql
navi sql glibc x86 卸載 系統服務 依賴 host mys 環境 OS:Red Hat Enterprise Linux Server release 7.3 (Maipo) JDK:jdk-7u80-linux-x64.tar.gz Tomcat:ap
VirtualBox 5.2.20 + Ubuntu 18.04.1 LTS + openstack Rocky devstack實驗安裝
順利的安裝了openstack rocky實驗環境，基本安裝過程記錄如下： 一、安裝VirtualBox 5.2.20 下載網址：https://www.virtualbox.org/wiki/Downloads 我選的是windows版本，在膝上型電腦win10下安裝
Ubuntu 18.04搭建EOS環境
一、最新程式碼編譯構建 1、從GitHub上克隆程式碼倉庫到本地（需要安裝git） git clone https://github.com/EOS-Mainnet/eos 2、進入到EOS目錄下面，之後更新程式碼倉庫子模組 git submodule u
CentOS7環境安裝Kubernetes四部曲之二：配置模板和安裝master
本文是《CentOS7環境安裝Kubernetes四部曲》系列的第二篇，前一篇《CentOS7環境安裝Kubernetes三部曲：標準化機器準備》我們把機器準備好了，並且做了必要的設定，現在我們用這些機器來接著安裝kubernetes； 安裝rancher
Ubuntu 18.04 在虛擬環境pyenv下配置python的caffe庫（only CPU）
在進行配置時要先確保使用pyenv與virtualenv搭建單機多版本python多虛擬環境已經搭建好； 1. 首先安裝git工具： sudo add-apt-repository ppa:git-core/ppa sudo apt-get update
TensorFlow入門之二：tensorflow手寫數字識別
一、基礎知識 基礎知識可以跳過，可以直接看後面的程式碼實現 MNIST資料集 MNIST資料集的官網是Yann LeCun’s website。可以使用下面的python程式碼自動下載資料集。 #已經下載input_data.py #import input_data #沒有
我們一起學docker之二：安裝及配置、檔案講解
文章目錄 1.安裝docker環境 2.docker狀態查詢 3.服務啟動停止命令 4.docker虛擬網絡卡 5.docker配置檔案講解 6.docker 日誌檢視(基於docker服務)
CentOS7環境安裝Kubernetes四部曲之四：安裝kubectl工具
本文是《CentOS7環境安裝Kubernetes四部曲》系列的終篇，經歷了前三篇文章的實戰，我們用rancher搭建了具備master和node的完整K8S環境，但是目前還不能通過kubectl工具在K8S環境做更多的操作，本章我們來實戰安裝和配置kubect
Ubuntu 18.04 搭建帶GPU的TensorFlow、Keras、Pytorch深度學習開發環境（不用手動安裝cudnn和cuda）
Ubuntu 18.04 搭建帶GPU的TensorFlow、Keras、Pytorch深度學習開發環境（不用手動安裝cudnn和cuda） 對學習深度學習的新手來說，環境搭建沒有大神指導會比較麻煩，今天介紹一種簡單、簡單、非常簡單的環境搭建方法。 1.安裝Anaconda
ubuntu 18.04安裝tensorflow環境
安裝顯示卡驅動 1、禁nouveau $ sudo gedit /boot/grub/grub.cfg 在文字中搜索quiet slash 然後新增acpi_osi=linux nomodeset，儲存文字即可。 2、使用PPA倉庫進行自動安裝 $ sudo
Ubuntu 18.04 安裝 Tensorflow 環境之一：安裝 Nvidia 驅動
起因：之前的4個GPU卡的機器經常被別人佔用，隨又向mentor要了一臺機器，這次的是一個單卡 GTX 1080 的伺服器，剛裝了 Ubuntu 18.04 的系統，所以得一步步從頭開始裝。 安裝步驟： 1、刪除舊的Nvidia驅動檔案 sudo apt-get pur
Ubuntu 18.04上CUDA 9.0、cuDNN7.0及Tensorflow 1.8的安裝
http amd64 時間 com ++ dnn 7 清華 配置 示例 配置 筆者使用Dell Inspiron 7559筆記本電腦，顯卡為NVIDIA GTX 960M。 目標 由於本機顯卡僅有nvidia-384驅動包能夠良好支持（nvidia-387、nvidia-3
如何在Ubuntu 18.04中通過PPA安裝Cinnamon 4.0桌面環境
Cinnamon 4.0目前尚未正式公佈。 它在上一篇Linux Mint部落格文章中提到過： 新的面板佈局，您可以選擇接受更改或單擊按鈕使Cinnamon看起來像以前一樣。 能夠為三個面板區域中的每一個定義不同的圖示大小 Mint-Y-Dark現在是預設的Cinnamon主題。 Upda
ubuntu 18.04下greenplum安裝筆記（一）Linux下基礎環境的搭建
背景 需要構建一個用於資料倉庫的分散式資料庫叢集。 每一個節點暫時不需要進行備份，同時也不考慮壞掉的情況。 每一個數據節點最好都不用進行過多的配置，安裝起來方便。 Greenplum的Shared-Nothing的設計思路很適合我目前的業務場景。 物理環境 4檯安裝了Linux的主機，安裝的作業系統的版本均為
記錄：Ubuntu 18.04 安裝 tensorflow-gpu 版本
記錄：Ubuntu 18.04 安裝 tensorflow-gpu 版本 最近需要跑比較大的模型，電腦上的 cpu 版本太慢了，跑了兩天實驗室，大冬天的，還是待在宿舍學習比較舒服，於是狠下心來重新裝了系統，探索一下 gpu 版本的安裝。比較令人可喜的是，跟著前輩們的經驗，還是讓
TensorFlow GPU在ubuntu 18.04上安裝的注意事項
雖然說TensorFlow到現在已經發布好幾年了，但是在ubuntu上用帶GPU的TensorFlow，我認為一直是個災難，而且這個災難仍將持續。。。 這個話題，相當簡單了，只是配置一下環境而己，但是N多人在上面痛不欲生，我還是寫出來吧。有問題儘管給我留言。 我
使用Ubuntu 18.04.1安裝python之初體驗
1.安裝素材： vmware、ubuntu 18.04.1-desktop版本（安裝很簡單，但是好卡啊），教程網上很多，不明白的自己可以去百度~。重點說說幾個問題。 2.問題集合： 問題一：初次登陸是普通使用者登陸，要切換永久root使用者登陸。 為什麼需要ro
Ubuntu 18.04安裝 docker 環境
ubuntu 18.04 環境安裝 ## docker 安裝 apt-get remove docker docker-engine docker.io ## Ubuntu 14.04 可選核心模組 #