tensorflow学习(一)tensorflow-GPU安装(Driver375.26+CUDA8.0.61+CUDNN5.1)
2017-03-12 09:43
603 查看
关键词:
GTX1080,Ubuntu14.04,Tensorflow-0.11.0-gpu,driver375.26,cuda8.0,cudnn5.1
首先理解调用关系,然后就能理解各个工具的版本依赖关系(tensorflow->cudnn->cdua->driver)
今天时间为2017/03/04,此时nvidia官网上能下载的cuda8.0工具箱为cuda_8.0.61_375.26_linux.run,其对应的显卡驱动要求为375.26,若显卡驱动版本不满足,则需要重新安装显卡驱动至相应版本。之前安装caffe的时候在官网上下载的driver版本是367.27版本,对应的cuda为cuda8.0.27_linux.run,两者正好匹配,没有出现版本兼容问题。CUDNN5.1对于cuda的版本要求为至少7.0,且计算能至少为3.0。
(1)此文件里提供的driver较新(2)此文件提供的driver版本肯定是能够与所要安装的cuda兼容,不需要自己费尽心思搞清楚自己所需要安装的driver版本,否则很容易出现不兼容的问题。
此方式安装最为简单。主要注意的是选择python和GPU版本。如若安装的是CPU版本则其不会调用GPU来计算。
二进制安装tensorflow时,在安装GPU版本的时候可能会遇到CUDNN版本不一致的问题,如今天安装的tensorflow其源码是按照cudnn5.1来编译的,而我电脑上的才开始是cudnn5.0,因此不兼容。需要手动将cudnn的版本升级成5.1.升级方式就是直接替换cudnn的头文件和库文件即可。
安装完以后需要添加cuda以及cudnn的目录,以便tensorflow能够找到cuda并调用。只需设置以下几个环境变量即可:
上面安装完成以后就能够在python里调用tensorflow啦~~~
GTX1080,Ubuntu14.04,Tensorflow-0.11.0-gpu,driver375.26,cuda8.0,cudnn5.1
首先理解调用关系,然后就能理解各个工具的版本依赖关系(tensorflow->cudnn->cdua->driver)
今天时间为2017/03/04,此时nvidia官网上能下载的cuda8.0工具箱为cuda_8.0.61_375.26_linux.run,其对应的显卡驱动要求为375.26,若显卡驱动版本不满足,则需要重新安装显卡驱动至相应版本。之前安装caffe的时候在官网上下载的driver版本是367.27版本,对应的cuda为cuda8.0.27_linux.run,两者正好匹配,没有出现版本兼容问题。CUDNN5.1对于cuda的版本要求为至少7.0,且计算能至少为3.0。
1.CUDA8.0的安装
1.1 cuda8.0的安装
这里有一个跟安装caffe时的明显变化,也就是不是 先安装驱动,而是直接在cuda安装时选择安装驱动,这样的原因有两个(1)此文件里提供的driver较新(2)此文件提供的driver版本肯定是能够与所要安装的cuda兼容,不需要自己费尽心思搞清楚自己所需要安装的driver版本,否则很容易出现不兼容的问题。
#按ctrl+alt+f1进入tty1 sudo service lightdm stop # 关闭图形界面 sudo ./cuda_8.0.61_375.26_linux.run #此步安装时全部选择yes,包括驱动,然后等待安装完成 sudo service lightdm start # 重启图形界面 #按ctrl+alt+f7进入图形界面
1.2 安装cuda的依赖库
此部分之前安装caffe时已安装完成,因此不需要重新安装sudo apt-get install build-essentials sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev
1.4 修改链接库目录
首先在/etc/ld.so.conf文件的末尾添加’/usr/local/cuda/lib64’,然后在终端输入sudo ldconfig # 使文件生效
1.5 cuda-sample的编译测试
此部分参考caffe安装的博客~2.依赖库的安装
此部分参考caffe安装博客即可。有一点需要注意的是,如果是全部重新安装的话,直接安装aconda的python集成包更方便。3.CUDNN的安装
此部分参考caffe安装博客即可。4.Tensorflow的BINARY安装方式
以下安装方式主要参考官方指导ihttps://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#pip-installation此方式安装最为简单。主要注意的是选择python和GPU版本。如若安装的是CPU版本则其不会调用GPU来计算。
二进制安装tensorflow时,在安装GPU版本的时候可能会遇到CUDNN版本不一致的问题,如今天安装的tensorflow其源码是按照cudnn5.1来编译的,而我电脑上的才开始是cudnn5.0,因此不兼容。需要手动将cudnn的版本升级成5.1.升级方式就是直接替换cudnn的头文件和库文件即可。
安装完以后需要添加cuda以及cudnn的目录,以便tensorflow能够找到cuda并调用。只需设置以下几个环境变量即可:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda
上面安装完成以后就能够在python里调用tensorflow啦~~~
相关文章推荐
- Ubuntu16.04+CUDA8.0+cudnn5.1+TensorFlow-GPU详细安装步骤
- [置顶] Ubuntu14.04安装cuda8.0+cudnn5.1+Tensorflow1.0.0(GPU)教程
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- ubuntu16.04安装+cuda8.0+cudnn5.1+MXNET gpu版本安装+tensorflow gpu版本安装+chainerGPU版本安装
- Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录
- (亲测可用)ubuntu16.04安装+cuda8.0+cudnn5.1+MXNET gpu版本安装+tensorflow gpu版本安装+chainerGPU版本安装
- 深度学习入门之一:Windows10(64)+Anaconda3(Python3.5)+TensorFlow-Gpu1.4+CUDA8.0+cuDNN6安装详解及Pycharm配置指南
- tensorflow-gpu1.3.0安装(win10+cuda8.0.61+cuDNN6.0)
- Ubuntu16.04.3LTS+CUDA8.0+cudnn5.1+tensorflow-gpu(1.2)安装配置信息汇总
- 从零开始安装TensorFlow1.0+keras(Ubuntu16.04+CUDA8.0+Cudnn5.1+TITANX)
- 在Ubuntu16.04上面安装cuda_8.0.61_375.26_linux.run
- 在win10下安装Tensorflow(CUDA8.0+cuDNN5.1)
- Ubuntu16.04安装gpu版tensorflow1.2+cuda+cudnn
- Windows 10 安装 Cuda, Tensorflow, 和keras,附CPU/GPU切换小技巧
- Ubuntu环境下深度学习cuda,cudnn,caffe,tensorflow的安装
- 0-0不走坑路, 手把手教你Linux16.04, Anaconda3, CUDA8.0, cudnn v5.1 tensorflow GPU版, opencv3安装
- Ubuntu 14.04 安装 CUDA8.0 cudnn 5.1 tensorflow1.2.1GPU
- TensorFlow深度学习入门——Win10下安装Tensorflow和GPU加速
- ubuntu14.04安装tensorflow+cuda8.0+cudnn5.1官方教程
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境