deepin15.5 安裝tensorflow-gpu


deepin的CUDA和cuDNN安裝方法與其它系統有所不同,參考其它操作系統的方法也許不適用,特別是顯卡驅動的安裝,容易使系統出現問題

本次配置:

操作系統:deepin15.5桌面版

電腦品牌:聯想拯救者

CPU:i5-7300HQ

顯卡:NVIDIA  GTX 1050Ti

tensorflow版本:1.4

cuda版本:8.0

cudnn版本:6

目錄:

  • 安裝顯卡驅動
  • 安裝CUDA
  • 安裝tensorflow-GPU
  • 安裝CUDNN

 一、安裝顯卡驅動

deepin15.5的顯卡驅動可以使用bumblebee工具,此處不需要手動禁用nouveau,因為安裝完成之后會自動禁用

安裝驅動命令:

sudo apt-get install bumblebee bumblebee-nvidia nvidia-smi

安裝完之后,在命令行輸入:

optirun nvidia-smi

輸出:

上圖表明安裝已經成功。

驅動使用方法:

在進行訓練前,在終端輸入sudo tee /proc/acpi/bbswitch <<< ON,可開啟顯卡。 
在訓練結束后,在終端輸入sudo tee /proc/acpi/bbswitch <<< OFF,可關閉顯卡。

二、安裝CUDA

網上很多教程都不適用於我的系統,下載安裝包來安裝也會報錯,所以這里采用命令行安裝的方法:

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

至此,CUDA安裝完成

三、安裝tensorflow-GPU

為什么要在安裝cuDNN之前安裝tensorflow-gpu呢?因為我們之前安裝的cuda方法與往常不同,所以cuDNN的安裝方法也有所不同,需要先安裝tensorflow-gpu

安裝很簡單,輸入以下命令:

pip install tensorflow-gpu==1.4

四、安裝cuDNN

從官方網站下載安裝包:https://developer.nvidia.com/rdp/cudnn-download

下載之后解壓,會得到一個cuda文件夾。

接下來進行兩個步驟:

  • 步驟一:將解壓出來的cuda/include/下的cudnn.h文件復制到/usr/local/include/目錄下。
  • 步驟二:將cuda/lib64/目錄下的所有文件復制到python環境的tensorflow包的tensorflow/python/目錄下

我的python環境的tensorflow包的tensorflow/python/目錄是:/home/XXX/anaconda3/lib/python3.6/site-packages/tensorflow/python

至此,所有安裝都已經結束

測試:

進入python環境中,輸入以下命令:

import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

輸出:

結果中有GPU的名稱,顯存等信息,表示tensorflow可以使用GPU了

如有問題,歡迎留言討論

 

參考資料:

https://blog.csdn.net/aaronjny/article/details/79330727

 


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