ubuntu 16.04
lspci | grep -i nvidia #確認是nvidia顯卡 uname -m && cat /etc/*release #確認是x86_64 gcc --version #確認gcc安裝好了 sudo apt-get install linux-headers-$(uname -r) #安裝kernel header
以上nvidia官網推薦,可不做。
1.更新nvidia顯卡驅動至最新版本
2.安裝CUDA8.0
從https://developer.nvidia.com/cuda-toolkit-archive下載CUDA Toolkit 8.0 GA2 (Feb 2017)以及補丁文件,一定用md5sum驗證一下
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get install cuda sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb
添加環境變量到.bashrc文件,並source一下
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
最后用 nvidia-smi驗證是否安裝成功
3.安裝cuDNN6.0
官網下載三個文件后,進行安裝
sudo dpkg -i libcudnn6_6.0.21-1+cuda8.0_amd64.deb sudo dpkg -i libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb sudo dpkg -i libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb
並驗證,若出現Test passed則安裝成功
cp -r /usr/src/cudnn_samples_v6/ $HOME cd $HOME/cudnn_samples_v7/mnistCUDNN make clean && make ./mnistCUDNN
4.安裝相關library
sudo apt-get install libcupti-dev
5.tensorflow-gpu安裝
sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n virtualenv --system-site-packages -p python3 ~/envs/tfgpu # for Python 3.n source ~/envs/tfgpu/bin/activate pip3 install --upgrade tensorflow-gpu
可以把alias tfgpu='source ~/envs/tfgpu/bin/activate'添加到.bashrc
pip3安裝的時候不用sudo,否則會安裝到系統文件里,不在virtualenv里
可以先用pip3 install --upgrade,把pip3的版本刷高
安裝的時候pip3 install --upgrade 后面可以直接加上下載的whl文件
6.測試
# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))
在測試mnist的deep訓練時候,若出現內存不夠,則要在test中分幾個batch。