Ubuntu16.04 + GTX 1070 + CUDA8.0 + cuDNN5.1环境配置
2018-03-07 10:50
961 查看
1.ubuntu16.04安装,这个就略过了。。注意最好是纯ubuntu,不要搞虚拟机,虚拟机对于显卡的识别好像有问题(听说)
2.GTX1070显卡驱动
一次打开 设置===》软件和更新==>附加驱动==》会自动提示推荐的显卡驱动,我这里安装的版本是384
3.下载cuda8.0和cudnn5.1
https://developer.nvidia.com/cuda-toolkit
cuda8.0有一个主程序和一个patch包,cuda的安装除了不安装显卡驱动外 ,其他的都选y(因为显卡驱动已经安装好)
patch包安装也很简单,和cuda一样./执行,别忘了改全新啊
cudnn5.1解压之后, 把头文件和库文件拷贝到相应的/usr/local/cuda/include 和/usr/local/cuda/lib64文件夹下,cudnn.h最好也拷贝到/usr/local/cuda/lib64下一份,因为后边我安装其他软件包的时候,有错误提示
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgzsudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64#sudo chmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
安装完成之后要配置环境变量
vim ~/.profile
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64":$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
export PATH="$PATH:/usr/local/cuda/bin"
source ~/.profile
4.其他依赖包安装
sudo apt-get install python-pip python-dev python-scipy pythoy3-numpy git
bazel build -c opt //tensorflow/tools/pip_package:build_pip_packagebazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagebazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkgsudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl最后一步可能会提示grpcio_tools-1.10.0-cp27-cp27mu-manylinux1_x86_64.whl下载失败什么的
可以手动下载下来,自己安装完,再次执行最后一步
7.测试
打开任意一个新的终端,注意不要在tensorflow的安装路径下,运行
输入一下代码
2
3
4
5
得到输出:
Hello, TensorFlow!8.学画画(参考july网站)
neural-style下载
在这个github网站下载相应代码:https://github.com/anishathalye/neural-style
接下来,下载vgg19: http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat 然后,把vgg放到neural-style的文件夹根目录下
接着 你就能在桌面打开这个文件夹了
把你想修改的照片放入example文件夹内,然后在刚才的窗口命令接着输入:python neural_style.py --content ./example/***.jpg(此括号内不要复制:***代表你想要使用的图片名称) --styles ./example/ 1-style.jpg(此括号内不要复制:1-style.jpg是梵高星空图片在文件夹内名称,你也可以换其他的风格,改名称就行了) --output ./example/$$$.jpg(此括号内不要复制:$$$代表你想要生成的图片名称)例如我的输入如下python neural_style.py –content ./example/1-content.jpg --styles ./example/1-style.jpg --output ./example/1-output.jpg
2.GTX1070显卡驱动
一次打开 设置===》软件和更新==>附加驱动==》会自动提示推荐的显卡驱动,我这里安装的版本是384
3.下载cuda8.0和cudnn5.1
https://developer.nvidia.com/cuda-toolkit
cuda8.0有一个主程序和一个patch包,cuda的安装除了不安装显卡驱动外 ,其他的都选y(因为显卡驱动已经安装好)
patch包安装也很简单,和cuda一样./执行,别忘了改全新啊
cudnn5.1解压之后, 把头文件和库文件拷贝到相应的/usr/local/cuda/include 和/usr/local/cuda/lib64文件夹下,cudnn.h最好也拷贝到/usr/local/cuda/lib64下一份,因为后边我安装其他软件包的时候,有错误提示
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgzsudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64#sudo chmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
安装完成之后要配置环境变量
vim ~/.profile
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64":$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
export PATH="$PATH:/usr/local/cuda/bin"
source ~/.profile
4.其他依赖包安装
sudo apt-get install python-pip python-dev python-scipy pythoy3-numpy git
安装tensorflow gpu enable python 2.7 版本,详见官网
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl sudo pip install --upgrade $TF_BINARY_URL5.使用tensorflow源码安装,需要预先安装 bazel build。链接:https://docs.bazel.build/versions/master/install-ubuntu.html6.github官网下载tensorflow源码,准备安装依次执行./configure
bazel build -c opt //tensorflow/tools/pip_package:build_pip_packagebazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagebazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkgsudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl最后一步可能会提示grpcio_tools-1.10.0-cp27-cp27mu-manylinux1_x86_64.whl下载失败什么的
可以手动下载下来,自己安装完,再次执行最后一步
7.测试
打开任意一个新的终端,注意不要在tensorflow的安装路径下,运行
python1
输入一下代码
>>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello))1
2
3
4
5
得到输出:
Hello, TensorFlow!8.学画画(参考july网站)
neural-style下载
在这个github网站下载相应代码:https://github.com/anishathalye/neural-style
接下来,下载vgg19: http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat 然后,把vgg放到neural-style的文件夹根目录下
接着 你就能在桌面打开这个文件夹了
把你想修改的照片放入example文件夹内,然后在刚才的窗口命令接着输入:python neural_style.py --content ./example/***.jpg(此括号内不要复制:***代表你想要使用的图片名称) --styles ./example/ 1-style.jpg(此括号内不要复制:1-style.jpg是梵高星空图片在文件夹内名称,你也可以换其他的风格,改名称就行了) --output ./example/$$$.jpg(此括号内不要复制:$$$代表你想要生成的图片名称)例如我的输入如下python neural_style.py –content ./example/1-content.jpg --styles ./example/1-style.jpg --output ./example/1-output.jpg
相关文章推荐
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- Ubuntu 16.04 & GTX 1050+cuda8.0 +cuDNN5.1 的深度学习开发环境搭建/ERROR: Unable to load the kernel module 'nvidi
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Ubuntu16.04 +gtx 1070+CUDA 8.0+ +caffe环境配置过程
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- 配置Ubuntu16.04+CUDA8.0+cuDNN 5.1+Tensorflow1.0+TensorLayer
- Ubuntu16.04 (WIN10)+ cuda8.0 + cudnn5.1 + tensorflow1.0.1配置
- Ubuntu 16.04的caffe环境配置:cuda 8.0+cudnn 8.0+opencv3.1.0 + python2.7 + matlab2016b + blas(OpenBlas)
- ubuntu 14.04+ GTX 1070+cuda 8.0 + cudnn 5.1+opencv3.0+caffe配置一步到位
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- ubuntu 14.04+ GTX 1070+cuda 8.0 + cudnn 5.1+opencv3.0+caffe-SSD配置一步到位
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- ubuntu 14.04+ GTX 1070+cuda 8.0 + cudnn 5.1配置一步到位
- Ubuntu16.04+Cuda8.0(gtx1060)+Cudnn5.1+OpenCV2.4.13+anaconda2+caffe详细配置
- Ubuntu16.04安装cuda8.0,cudnn6.0,并在conda里安tensorflow1.3(与cuda8.0匹配),pycharm的gpu加速环境变量配置
- Ubuntu16.04 安装 CUDA8.0 + cudnn5.1 + TensorFlow(GPU) 详细过程
- Ubuntu16.04 +cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细
- ubuntu16.04 安装CUDA 8.0 和 cuDNN 5.1 /cudnn6.0,可适用于gpu版本的(tensorflow,caffe,mxnet)