ubuntu下tensorflow-gpu的安裝


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。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM