Ubuntu18.04下深度學習環境---TensorFlow(GPU)環境搭建

Ubuntu18.04下深度學習環境—TensorFlow(GPU)環境搭建

本人已經是第二次搭建環境,這次完全采用Anaconda進行環境搭建.系統環境也是重新裝機的新系統

安裝步驟

1. 驅動安裝

• 添加顯卡驅動源

  sudo add-apt-repository ppa:graphics-drivers/ppa
  

• 更新附加驅動

  sudo apt-get updata
  

• 安裝驅動

  打開"軟件和更新"->"附加驅動",可以看到已經有顯卡驅動添加到附加驅動中,只需要選擇安裝即可
  安裝完成后,需要重啟才可以生效
  

  

• 驗證

  nvidia-smi
  

  

2. 安裝Anaconda

• 選擇自己需要的版本下載,執行

  sudo sh XXX.sh
  #安裝過程重需要確認,根據提示輸入yes/enter即可
  

• 添加conda到系統變量中

  vi /etc/profile
  #添加
  export PATH="/home/dell/anaconda3/bin:$PATH"
  #后面的路徑是本人自己的安裝路徑,需要修改為自己的安裝路徑,anaconda的默認安裝路徑為當前用戶下的anaconda3/
  source /etc/profile #使環境變量生效,如果這樣不管用的話,就重啟.重啟后,系統默認為base下的虛擬環境
  

• 驗證conda

  #輸入
  conda -V
  #顯示版本號即為安裝成功
  

• 問題

  在使用conda install 命令時會出現安裝權限的問題,此時需要修改conda的權限
  sudo chmod -R 777 /home/dell/anaconda3
  

3. 安裝cuda

注意:cuda的版本一定要和驅動的版本相匹配,不然一切都是白做.我的驅動版本安裝的是390,對應的cuda應該是9.1,但是在利用conda search cudatoolkit查看cuda版本的時候,並沒有9.1版本,所以安裝的是cuda9.0版本

• 安裝

  conda install cudatoolkit==9.0
  

4. 安裝cudnn和tensorflow-gpu

在這里就體現出了conda安裝的方便之處,它會自動匹配相應的版本進行安裝

• 命令

  conda install cudnn
  conda install tensorflow-gpu
  

5. 驗證環境

• 運行程序

  import tensorflow as tf
  with tf.device('/cpu:0'):
      a=tf.constant([1.0,2.0,3.0],shape=[3],name='a')
      b=tf.constant([1.0,2.0,3.0],shape=[3],name='b')
  with tf.device('/gpu:0'):
      c = a + b
  sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
  print(sess.run(c))
  

• 運行結果
  

其實,只要沒報錯就說明安裝成功!!!