Centos7.2离线安装 Tensorflow_gpu环境,搭建Anaconda3和pycharm
2017-12-28 16:02
721 查看
在服务器下安装tensorflow_gpu版,耗时2天,终于搞定!离线安装需要谨慎选择版本
1.首先下载必须的安装包
cuda_8.0.44_linux.run
cudnn-8.0-linux-x64-v5.1.tgz
protobuf-3.2.0-cp35-cp35m-manylinux1_x86_64.whl
nvidia-diag-driver-local-repo-rhel7-384.66-1.0-1.x86_64.rpm
tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl
Anaconda3-4.2.0-Linux-x86_64.sh(注意python3.5只有4.2.0版是,不要下错了)
pycharm-community-2017.2.4.tar.gz
2.开始安装
首先,查看环境中是否安装nvidia的驱动:
如果没有 ,安装驱动:
安装cuda
安装cudnn
然后将库和头文件copy到cuda目录(一定是你自己安装的目录如/usr/local/cuda-8.0),不过正确安装的话,ubuntu一般就会有软链接/usr/local/cuda -> /usr/local/cuda-8.0/
设置环境变量
千万别忘了,要用一下语句使该环境生效:
安装Anaconda3
安装成功后需要关闭Terminal,重新打开一个Terminal,Anaconda3环境才能生效。
安装protobuf
安装tensorflow
安装pycharm
设置python解释器路径
到此为止,完成Tensorflow_gpu开发环境搭建,安装过程中遇到很多坑,爬了好久才上岸,安装需要root权限,使用的时候也需要root。大家注意系统安全,哈哈。
-测试一下看看是否成功了:
结果
大功告成,祝大家安装顺利!!!
1.首先下载必须的安装包
cuda_8.0.44_linux.run
cudnn-8.0-linux-x64-v5.1.tgz
protobuf-3.2.0-cp35-cp35m-manylinux1_x86_64.whl
nvidia-diag-driver-local-repo-rhel7-384.66-1.0-1.x86_64.rpm
tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl
Anaconda3-4.2.0-Linux-x86_64.sh(注意python3.5只有4.2.0版是,不要下错了)
pycharm-community-2017.2.4.tar.gz
2.开始安装
首先,查看环境中是否安装nvidia的驱动:
$ nvidia-smi,如下图为已安装;
如果没有 ,安装驱动:
$ sudo rpm -i nvidia-diag-driver-local-repo-rhel7-384.66-1.0-1.x86_64.rpm
安装cuda
$sudo sh cuda_8.0.44_linux.run
安装cudnn
$tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
然后将库和头文件copy到cuda目录(一定是你自己安装的目录如/usr/local/cuda-8.0),不过正确安装的话,ubuntu一般就会有软链接/usr/local/cuda -> /usr/local/cuda-8.0/
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 $ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
设置环境变量
$ sudo vim /etc/profile 在文件末尾添加如下内容 export PATH=$PATH:/usr/local/cuda-8.0/bin export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64 export CUDA_HOME=/usr/local/cuda
千万别忘了,要用一下语句使该环境生效:
$ source /etc/profile
安装Anaconda3
$ bash Anaconda3-4.2.0-Linux-x86_64.sh
安装成功后需要关闭Terminal,重新打开一个Terminal,Anaconda3环境才能生效。
安装protobuf
$ pip install protobuf-3.2.0-cp35-cp35m-manylinux1_x86_64.whl
安装tensorflow
$ pip install tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl
安装pycharm
$ tar zxvf pycharm-community-2017.2.4.tar.gz $ cd pycharm-community-2017.2.4/bin - 启动pycharm $ ./pycharm.sh
设置python解释器路径
到此为止,完成Tensorflow_gpu开发环境搭建,安装过程中遇到很多坑,爬了好久才上岸,安装需要root权限,使用的时候也需要root。大家注意系统安全,哈哈。
-测试一下看看是否成功了:
import tensorflow as tf import numpy as np x_data = np.float32(np.random.rand(2, 100)) y_data = np.dot([0.100, 0.200], x_data) + 0.300 b = tf.Variable(tf.zeros([1])) W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0)) y = tf.matmul(W, x_data) + b loss = tf.reduce_mean(tf.square(y - y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss) init = tf.initialize_all_variables() sess = tf.Session() sess.run(init) for step in xrange(0, 201): sess.run(train) if step % 20 == 0: print (step, sess.run(W), sess.run(b))
结果
结果: 0 [[ 0.04449975 0.05022997]] [ 1.04979897] 20 [[ 0.00405465 0.05206435]] [ 0.43587646] 40 [[ 0.06425215 0.14253049]] [ 0.35196277] 60 [[ 0.08647 0.17783827]] [ 0.31990141] 80 [[ 0.0948422 0.19148116]] [ 0.30762693] 100 [[ 0.09802746 0.19673003]] [ 0.30292371] 120 [[ 0.09924454 0.19874559]] [ 0.30112091] 140 [[ 0.09971047 0.1995189 ]] [ 0.30042976] 160 [[ 0.09988902 0.19981553]] [ 0.30016479] 180 [[ 0.09995744 0.19992925]] [ 0.30006319] 200 [[ 0.09998368 0.19997287]] [ 0.30002424]
大功告成,祝大家安装顺利!!!
相关文章推荐
- 配置pycharm远程调试的环境(服务器为linux系统)&&服务器上安装tensorflow-gpu及配置cuda环境&&相关问题的解决办法
- Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)
- win10下 anaconda安装tensorflow,pycharm环境配置(gpu版)
- WIN10操作系统安装GPU支持TENSORFLOW 1.5.0,Anaconda+pycharm编程环境配置
- 人工智能学习tensorFlow_gpu-1.1.0图文详细安装教程(64位机win7旗舰sp1+Anaconda3-4.2.0+Pycharm2017.2.4)附所有软件下载地址
- ubuntu下tensorflow-gpu环境搭建(通过anaconda,手动安装或环境含有cuda和cudnn)
- 【python】Win10环境下安装Anaconda、tensorflow和PyCharm
- Windows下TensorFlow环境搭建(无GPU)之备注1:
- Win10下搭建Tensorflow-gpu环境
- Windows下搭建TensorFlow环境1(GPU版本)
- Android开发环境搭建:SDK在线离线安装+在Eclipse中配置ADT+第一个Android程序运行
- TensorFlow安装方法二【第一步:GPU环境配置部分(装CPU版跳过直接看第二步)】(Windows10 64位 )
- Python之道1-环境搭建与pycharm的配置django安装及MySQL数据库配置
- win10 tensorflow-gpu 环境搭建
- python环境搭建-Pycharm模块安装方法
- Windows10下tensorflow_gpu环境搭建
- (通用)深度学习环境搭建:tensorflow安装教程及常见错误解决
- Python安装环境搭建(python+pycharm+pid)
- linux下使用pip在虚拟环境下安装tensorflow-gpu
- 【深度学习笔记】(一)Mac下TensorFlow安装及环境搭建