在ubuntu16.04_X86-64环境下快速搭建GPU版本的tensorflow
2017-08-31 15:02
726 查看
本文主要是从一个全新的ubuntu操作系统安装和搭建基于GPU平台的tensorflow深度学习框架,以避免其中带来的过多的坑。
setp 1安装操作系统
step 2安装nvidia显卡驱动
step3安装cuda
step4安装cudnn
step5安装tensorflow
step6测试安装是否成功
可以执行
千万不可以执行
安装方法:(需要在root权限下完成)
安装之前,为了保持和Linux自带的驱动兼容,需要将原始的驱动nouveau卸载。
然后更新
重启后,执行:lsmod | grep nouveau。如果没有屏幕输出,说明禁用nouveau成功。
接下来,需要禁用X-Window服务
按Ctrl-Alt+F1进入命令行界面,输入用户名和密码登录即可。
然后开始安装nvidia驱动,命令如下:
中间可能需要按照提示增加软件源
安装完成后,回复图形界面:
安装方法:
配置环境变量:
在
然后执行命令
配置链接路径:
在
然后执行
测试安装是否成功:
在
执行
然后再进入
以
这里选用cudnn-8.0-linux-x64-v6.0版,下载的后缀名可能不一样,直接改成.tgz就可以了。
然后运行命令
进入cuda文件夹,分别执行:
安装GPU版tensorflow
可以看到GPU的基本信息和程序正常结果。
目录
目录setp 1安装操作系统
step 2安装nvidia显卡驱动
step3安装cuda
step4安装cudnn
step5安装tensorflow
step6测试安装是否成功
setp 1:安装操作系统
ubuntu 1604系统安装(rc2,内核版本4.4.0)可以执行
sudo apt-get update
千万不可以执行
sudo apt-get upgrade#这样会升级内核到4.10,但是nvidia暂不支持这么高的内核,在安装后面的cuda和nvidia驱动方面会带来问题
step 2:安装nvidia显卡驱动
在http://www.nvidia.com/download/driverResults.aspx/122825/en-us选取对应系统和显卡的驱动程序安装方法:(需要在root权限下完成)
安装之前,为了保持和Linux自带的驱动兼容,需要将原始的驱动nouveau卸载。
vim /etc/modprobe.d/blacklist-nouveau.conf blacklist nouveau options nouveau modeset=0
然后更新
sudo update-initramfs -u
重启后,执行:lsmod | grep nouveau。如果没有屏幕输出,说明禁用nouveau成功。
接下来,需要禁用X-Window服务
sudo service lightdm stop #这会关闭图形界面,但不用紧张
按Ctrl-Alt+F1进入命令行界面,输入用户名和密码登录即可。
然后开始安装nvidia驱动,命令如下:
dpkg -i nvidia-diag-driver-local-repo-ubuntu1604-384.66_1.0-1_amd64.deb#for Ubuntu (对应下载的版本) apt-get update apt-get install cuda-drivers reboot
中间可能需要按照提示增加软件源
安装完成后,回复图形界面:
sudo service lightdm start #然后按Ctrl-Alt+F7即可恢复到图形界面
step3:安装cuda
下载页面:https://developer.nvidia.com/cuda-downloads安装方法:
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
配置环境变量:
在
/etc/profile末尾位置添加变量
PATH=/usr/local/cuda/bin:$PATH export PATH
然后执行命令
source /etc/profile使其生效
配置链接路径:
在
/etc/ld.so.conf.d/cuda{8.0}.conf文件的末尾添加:
/usr/local/cuda/lib64
然后执行
sudo ldconfig使之生效
测试安装是否成功:
在
/usr/local/cuda.samples/文件夹下编译例子
执行
sudo make all -j8
然后再进入
/usr/local/cuda/samples/bin/x86_64/linux/release下面执行测试程序
以
./deviceQuery为例,如果看到最后有pass通过,则安装成功,否则需要重新安装。
step4:安装cudnn
在https://developer.nvidia.com/cudnn页面注册并下载合适的版本这里选用cudnn-8.0-linux-x64-v6.0版,下载的后缀名可能不一样,直接改成.tgz就可以了。
然后运行命令
tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz生成cuda文件夹。
进入cuda文件夹,分别执行:
cd cuda sudo cp include/cudnn.h /usr/local/cuda/include/ sudo cp lib64/libcudnn* /usr/local/cuda/lib64/ ## 设置权限,否则在tensorflow运行中会出错 sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn.so.6.0.21 #重新生成链接文件 sudo rm -rf libcudnn.so libcudnn.so.6#删除原有动态文件 sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6 #生成软衔接 sudo ln -s libcudnn.so.6 libcudnn.so #生成软链接
step5:安装tensorflow
首先安装pip并更新,具体命令如下所示:sudo apt-get install python-pip python-dev sudo pip install pip --upgrade
安装GPU版tensorflow
pip install tensorflow-gpu
step6:测试安装是否成功
执行脚本import tensorflow as tf hello=tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))
可以看到GPU的基本信息和程序正常结果。
相关文章推荐
- Ubuntu16.04版本搭建Tensorflow环境并启用GPU支持
- Ubuntu 16.04下GPU版本mxnet环境搭建详细说明
- Ubuntu 16.04安装使用--Ubuntu16.04下基于Docker的Caffe-GPU版本环境搭建总结
- Ubuntu16.04下安装配置了tensorflow GPU版本后导致的常见错误
- Ubuntu 16.04 下快速搭建 LNMP环境
- Windows下搭建TensorFlow环境2(GPU版本)
- fx60vm+gtx1060+Ubuntu 16.04+tensorflow(gpu)环境搭建
- ubuntu下tensorflow-gpu环境搭建(通过anaconda,手动安装或环境含有cuda和cudnn)
- ubuntu16.04下安装CUDA,cuDNN及tensorflow-gpu版本过程
- 在虚拟机以及pc机上安装ubuntu 9.10_x86_64系统搭建android开发环境
- 亲测:在Ubuntu16.04上成功安装GPU版本的tensorflow
- Ubuntu 16.04 下快速搭建 LNMP环境
- Ubuntu 16.04 SPARK 开发环境搭建-- 伪分布版 与新建一个Spark版本的WordCount
- Ubuntu16.04+Anaconda 安装GPU版本tensorflow
- 【深度学习】笔记1_Ubuntu14.04下caffe环境的搭建,无GPU版本以及python可视化环境的配置
- 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
- ubuntu 16.04 安装TensorFlow GPU版本
- Ubuntu16.04下PX4环境快速搭建及uORB通信机制