Ubuntu18.04安装Cuda、Cudnn、Tensorflow-gpu
2018-09-24 22:47
1121 查看
Ubuntu18.04安装Cuda、Cudnn、Tensorflow-gpu
Let’s go
首先安装配置如下:
GTX1050Ti + Cuda9.0 + Cudnn7.0.5 + Tensorflow-gpu1.8.0
安装前也许你需要看看Tensorflow、Cuda、Cudnn版本对应
链接1
链接2
First
1.安装Nvidia驱动,参见我的另一篇Blog
2.下载Cuda和Cudnn,下载地址如下
Cuda官网
Cudnn官网
Cuda9.0 deb版
Cudnn v7.0.5 Library for Linux and Cuda9.0
Second
安装Cuda
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb sudo apt-key add /cuda-repo-9-0-local/7fa2af80.pub sudo apt-get update sudo aptitude install cuda
如果输了第一条指令后,输出是这样
$ sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb [sudo] fong 的密码: 正在选中未选择的软件包 cuda-repo-ubuntu1704-9-0-local。 (正在读取数据库 ... 系统当前共安装有 185992 个文件和目录。) 正准备解包 cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb ... 正在解包 cuda-repo-ubuntu1704-9-0-local (9.0.176-1) ... 正在设置 cuda-repo-ubuntu1704-9-0-local (9.0.176-1) ... The public CUDA GPG key does not appear to be installed. To install the key, run this command: sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
那么你需要再执行一遍第一条指令
$ sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub $ sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb
OK,接下来配置环境变量
$ sudo gedit ~/.bashrc
输入
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} export CUDA_HOME=/usr/local/cuda
Third
安装Cudnn,很简单,解压、拷贝
tar -zxvf cudnn-9.0-linux-x64-v7.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
Fourth
安装Tensorflow-gpu
sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.8
Five
测试案例,如果import成功,打印出了GPU。Congratulation,You are done.
import tensorflow as tf matrix1 = tf.constant([[3., 3.]]) matrix2 = tf.constant([[2.],[2.]]) product = tf.matmul(matrix1, matrix2) sess = tf.Session() print(product) 2018-09-24 22:43:28.056291: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 2018-09-24 22:43:28.139690: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:898] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero 2018-09-24 22:43:28.140009: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1356] Found device 0 with properties: name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.392 pciBusID: 0000:01:00.0 totalMemory: 3.94GiB freeMemory: 3.23GiB 2018-09-24 22:43:28.140024: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1435] Adding visible gpu devices: 0 2018-09-24 22:43:28.321486: I tensorflow/core/common_runtime/gpu/gpu_device.cc:923] Device interconnect StreamExecutor with strength 1 edge matrix: 2018-09-24 22:43:28.321529: I tensorflow/core/common_runtime/gpu/gpu_device.cc:929] 0 2018-09-24 22:43:28.321551: I tensorflow/core/common_runtime/gpu/gpu_device.cc:942] 0: N 2018-09-24 22:43:28.321709: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1053] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 2949 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)[/code]
如果不幸你遇到了下列错误,试着去解决它
1
Error: cannot find Toolkit in /usr/local/cuda-9.0
很可能你下载的就是Cuda的 .run安装包,类似于cuda_9.0.176_384.81_linux.run,我的解决方案是下载deb安装包并按照官网提供的方式执行。
2
$ sudo apt-get install -f cuda 正在读取软件包列表... 完成 正在分析软件包的依赖关系树 正在读取状态信息... 完成 有一些软件包无法被安装。如果您用的是 unstable 发行版,这也许是 因为系统无法达到您要求的状态造成的。该版本中可能会有一些您需要的软件 包尚未被创建或是它们已被从新到(Incoming)目录移出。 下列信息可能会对解决问题有所帮助: 下列软件包有未满足的依赖关系: cuda : 依赖: cuda-9-0 (>= 9.0.176) 但是它将不会被安装 E: 无法修正错误,因为您要求某些软件包保持现状,就是它们破坏了软件包间的依赖关系。
先安装
sudo apt-get install aptitude
将 sudo apt-get install -f cuda 替换为 sudo aptitude install -f cuda
sudo aptitude install -f cuda
3
ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
这个错误很常见,不用担心。这个错误出现在你安装好Cuda、Cudnn、Tensorflow-gpu之后,在import tensorflow时出现,错误是在提示你,你需要安装Cudnn7.0.x系列,所以你需要:
sudo rm -rf /usr/local/cuda/include/cudnn.h$ sudo rm -rf /usr/local/cuda/lib64/libcudnn*
接下来去官网重新下载Cudnn、解压、拷贝
tar -zxvf cudnn-9.0-linux-x64-v7.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
4 与上述2同理,参见2
Loaded runtime CuDNN library: 7103 (compatibility version 7100)阅读更多
相关文章推荐
- ubuntu 16.04 安装 tensorflow-gpu 包括 CUDA ,CUDNN,CONDA
- ubuntu16.04下安装CUDA cuDNN及tensorflow-gpu版本及caffe-gpu过程
- ubuntu16.04安装NIVIDIA显卡驱动,cuda8.0,cuDNN6.0以及基于Anaconda安装Tensorflow-GPU
- Ubuntu16.04+cuda-8.0+cudnn-v5.1+tensorflow0.8-gpu/tensorflow1.0-gpu安装教程
- ubuntu16.04系统下CUDA8.0和CUDNN6.0和tensorflow(GPU)的安装
- Ubuntu16.04 安装 CUDA8.0 + cudnn5.1 + TensorFlow(GPU) 详细过程
- Ubuntu16.04安装gpu版tensorflow1.2+cuda+cudnn
- ubuntu 16.04 安装 tensorflow-gpu 包括 CUDA ,CUDNN,CONDA
- ubuntu16.04下安装CUDA,cuDNN及tensorflow-gpu版本过程
- Ubuntu安装Tensorflow GPU 版本和 CUDA Toolkit 9.1 和 cuDNN 7.0.5 for Python 3
- Ubuntu 14.04 安装 CUDA8.0 cudnn 5.1 tensorflow1.2.1GPU
- ubuntu下安装cuda,cudnn以及tensorflow(gpu)
- Ubuntu 16.04lts 安装NVIDIA 私有驱动、cuda、cudnn、tensorflow-gpu等问题
- ubuntu16.04 安装CUDA 8.0 和 cuDNN 5.1 /cudnn6.0,可适用于gpu版本的(tensorflow,caffe,mxnet)
- Ubuntu 16.04 安装 CUDA,CUDNN 和 GPU 版本的 TensorFlow 一般步骤总结
- Ubuntu 16.04+Gtx1050Ti+cuda 8.0+cudnn 5.1 tensorflow 安装
- 从头开始安装Ubuntu,cuda,cudnn,caffe,tensorflow,ROS
- Ubuntu16.04配置tensorflow-gpu环境(CUDA+cuDNN)
- Tensorflow学习——Win10安装Tensorflow-gpu和CUDA及cuDNN
- 惠普暗夜精灵3plus配置ubuntu18.0.4、cuda9.0、cudnn7.0、anaconda(python2.7)、tensorflow-gpu1.8、keras、opencv等