从零开始深度学习 E1. cuda+Tensorflow环境部署
2017-09-10 19:05
357 查看
cuda+Tensorflow的环境部署较为方便,笔者在ubuntu14.04上面进行环境部署,主要经过了以下几个步骤:
Operating System: Linux
Architecture: x86_64
Distribution: Ubuntu
Version: 14.04
Installer Type: runfile(local)
其中Installer Type一定要选择runfile脚本安装,用deb包安装的话,可能遇到OpenGL设置冲突的问题,导致ubuntu桌面挂掉。
如果有输出则代表nouveau正在加载
nouveau的禁用方法为:在/etc/modprobe.d中创建文件blacklist-nouveau.conf并输入以下内容
生成新的系统启动文件
之后重启系统
关闭图形化界面
执行安装脚本
脚本在执行过程中会提醒用户做一些选择,在遇到提示是否安装OpenGL库时,选择否,其余选项选择默认即可。
重新启用图形桌面服务
alt+ctrl+f7 切换至图形界面
之后运行source /root/.bashrc进行更新
检查/dev下是否有nvidia*文件,如果没有,则创建并运行如下脚本。取自cuda安装手册官网
最后检查cuda是否安装成功
等待安装完成之后,运行tensorflow版的hello world。取自tensorflow中文官网
安装cuda
1. 在Nvidia官网下载cuda安装包
打开cuda下载页面,依次选择Operating System: Linux
Architecture: x86_64
Distribution: Ubuntu
Version: 14.04
Installer Type: runfile(local)
其中Installer Type一定要选择runfile脚本安装,用deb包安装的话,可能遇到OpenGL设置冲突的问题,导致ubuntu桌面挂掉。
2. 禁用nouveau驱动
终端运行lsmod | grep nouveau
如果有输出则代表nouveau正在加载
nouveau的禁用方法为:在/etc/modprobe.d中创建文件blacklist-nouveau.conf并输入以下内容
blacklist nouveau options nouveau modeset=0
生成新的系统启动文件
sudo update-initramfs -u
之后重启系统
3. 执行cuda脚本安装文件
重启系统后,按alt+ctrl+f1进入控制台并登陆账户关闭图形化界面
sudo service lightdm stop
执行安装脚本
sudo chmod +x cuda_8.0.61_375.26_linux.run sudo ./cuda_8.0.61_375.26_linux.run
脚本在执行过程中会提醒用户做一些选择,在遇到提示是否安装OpenGL库时,选择否,其余选项选择默认即可。
重新启用图形桌面服务
sudo service lightdm start
alt+ctrl+f7 切换至图形界面
4. 环境变量与设备文件设置
在/root/.bashrc文件末尾添加export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PAT 4000 H:+:${LD_LIBRARY_PATH}}
之后运行source /root/.bashrc进行更新
检查/dev下是否有nvidia*文件,如果没有,则创建并运行如下脚本。取自cuda安装手册官网
#!/bin/bash /sbin/modprobe nvidia if [ "$?" -eq 0 ]; then # Count the number of NVIDIA controllers found. NVDEVS=`lspci | grep -i NVIDIA` N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l` NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l` N=`expr $N3D + $NVGA - 1` for i in `seq 0 $N`; do mknod -m 666 /dev/nvidia$i c 195 $i done mknod -m 666 /dev/nvidiactl c 195 255 else exit 1 fi /sbin/modprobe nvidia-uvm if [ "$?" -eq 0 ]; then # Find out the major device number used by the nvidia-uvm driver D=`grep nvidia-uvm /proc/devices | awk '{print $1}'` mknod -m 666 /dev/nvidia-uvm c $D 0 else exit 1 fi
最后检查cuda是否安装成功
nvcc -V
安装Tensorflow
相比于安装cuda,安装tensorflow十分简单,只需执行pip安装命令即可,国内pip源较慢,推荐换成清华大学开源镜像源。这里采用的是Tensorflow 1.2.1gpu版,python 2.7 版pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
等待安装完成之后,运行tensorflow版的hello world。取自tensorflow中文官网
$ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print sess.run(hello) Hello, TensorFlow! >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print sess.run(a+b) 42 >>>
相关文章推荐
- TX2安装cuda8.0搭建深度学习部署环境 CUDA cannot be installed on the device
- 安利一则深度学习新手神器:不用部署深度学习环境了!也不用上传数据集了!
- 新手神器!不用部署深度学习环境、上传数据集!(附代码&视频教程)
- centos 7深度学习环境部署
- 从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN)
- 安利一则深度学习新手神器:不用部署深度学习环境了!也不用上传数据集了!
- 从零开始Tensorflow == 资深小白配置深度学习环境的血泪史
- Caffe - 基于Intel优化的Caffe框架训练和部署深度学习网络
- 深度学习(五)caffe环境搭建
- 深度学习环境搭建 ubuntu16+GTX1080+CUDA8+Theano+Tensorflow+keras
- JAVA学习遇到问题之项目部署环境配置
- 深度学习笔记:windows10+visual studio 2013+cuda7.5+theano+lasagne环境配置
- 手把手教你搭建谷歌TensorFlow深度学习开发环境!
- win10 搭建完整深度学习开发环境
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- APACHE LOG4J™ 2 学习笔记-log4j2 环境部署到各种类型输出+maven\mysql\滚动文件\控制台\异步\过滤器
- Windows下从零开始学习nodejs4.X+express4.X开发--(2)nodejs交互环境
- 深度学习deep learning环境配置:GTX1080+CUDA8.0+cudnn5
- Docker容器学习梳理--应用程序容器环境部署
- Linux Ubuntu从零开始部署web环境及项目 -----tomcat+jdk+mysql (二)