Whl方式CUDA8.0+cuDNN6.0.21+python3.4的ubuntu环境下tensorflow的安装
2018-01-11 20:47
716 查看
源码安装tensorflow请参照http://blog.csdn.net/u013591306/article/details/79031001
下面主要介绍Whl方式安装tensorflow的方法
1、下载 GPU版本的tensorflow
下载地址 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
2、用pip3安装tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl,tensorflow的默认安装路径在/usr/local/lib/python3.4/dist-packages/tensorflow
pip3 install tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
遇到的问题1、Command "/usr/bin/python -c "import setuptools, tokenize;__file__='/tmp/pip-build-3lUDcU/M2Crypto/setup.py';
python-dev依赖问题,安装对应python版本的依赖即可。sudo apt-get python3.4-dev
遇到的问题2、import tensorflow 出错libcudnn.so.6: cannot open shared object file: No such file or directory
解决办法一:根据错误代码,找不到libcudnn.so.6。到指定文件夹下发现只有5.0和8.0的版本,没有6.0,查找原因是因为当前已经是1.4版本,而tensorflow-gpu1.3已经开始去找cudnn6了(也就是说是用cudnn6编译的)。所以可以换到tensorflow-gpu1.2版本,就解决问题了。
解决办法二
去https://developer.nvidia.com/rdp/cudnn-download
下载相应的cudnn库(在注册完帐号之后即可下载)。从下载完的文件中,将libcudnn.so.6.XXX(具体可修改到自己下载的版本)文件放在/usr/local/cuda/lib64/文件目录下。把目录下的libcudnn.so通过mv
libcudnn.so libcudnn5.so 改名为libcudnn5.so。(升级为cudnn6.0.21后caffe训练可能会出错,所以先保留原来的libcudnn.so.5.1.10相关文件,有备无患。)
![](https://img-blog.csdn.net<br/>4000<br/>/20180111203105802?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxMzU5MTMwNg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
(1)切换到该目录下,删除原本的软连接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6
(2)然后修改文件权限,创建新的软连接
sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.5.18
sudo ln -s libcudnn.so.6.5.18 libcudnn.so.6
sudo ln -s libcudnn.so.6 libcudnn.so
(3)最后进入tensorflow环境下的python测试成功
import tensorflow
遇到问题三:ImportError:/usr/local/cuda-8.0/lib64/libcudnn.so.6: file too short
同样按照上面的操作(删除连接-----创建连接)就可以了。要是不能解决的话,可能就是路径不在环境变量中。解决办法如下:
添加环境变量
export
LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
这个路径是你libcudnn存放的位置,最后保存更改的文件后source ~/.bashrc
下面主要介绍Whl方式安装tensorflow的方法
1、下载 GPU版本的tensorflow
下载地址 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
2、用pip3安装tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl,tensorflow的默认安装路径在/usr/local/lib/python3.4/dist-packages/tensorflow
pip3 install tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
遇到的问题1、Command "/usr/bin/python -c "import setuptools, tokenize;__file__='/tmp/pip-build-3lUDcU/M2Crypto/setup.py';
python-dev依赖问题,安装对应python版本的依赖即可。sudo apt-get python3.4-dev
遇到的问题2、import tensorflow 出错libcudnn.so.6: cannot open shared object file: No such file or directory
解决办法一:根据错误代码,找不到libcudnn.so.6。到指定文件夹下发现只有5.0和8.0的版本,没有6.0,查找原因是因为当前已经是1.4版本,而tensorflow-gpu1.3已经开始去找cudnn6了(也就是说是用cudnn6编译的)。所以可以换到tensorflow-gpu1.2版本,就解决问题了。
解决办法二
去https://developer.nvidia.com/rdp/cudnn-download
下载相应的cudnn库(在注册完帐号之后即可下载)。从下载完的文件中,将libcudnn.so.6.XXX(具体可修改到自己下载的版本)文件放在/usr/local/cuda/lib64/文件目录下。把目录下的libcudnn.so通过mv
libcudnn.so libcudnn5.so 改名为libcudnn5.so。(升级为cudnn6.0.21后caffe训练可能会出错,所以先保留原来的libcudnn.so.5.1.10相关文件,有备无患。)
(1)切换到该目录下,删除原本的软连接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6
(2)然后修改文件权限,创建新的软连接
sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.5.18
sudo ln -s libcudnn.so.6.5.18 libcudnn.so.6
sudo ln -s libcudnn.so.6 libcudnn.so
(3)最后进入tensorflow环境下的python测试成功
import tensorflow
遇到问题三:ImportError:/usr/local/cuda-8.0/lib64/libcudnn.so.6: file too short
同样按照上面的操作(删除连接-----创建连接)就可以了。要是不能解决的话,可能就是路径不在环境变量中。解决办法如下:
添加环境变量
export
LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
这个路径是你libcudnn存放的位置,最后保存更改的文件后source ~/.bashrc
相关文章推荐
- ubuntu14.04下tensorflow环境配置(tensorflow0.12多种安装方式+cuda7.5升级8.0)
- ubuntu16.04集成 cuda8.0-tensorflow1.2.1-python2.7免安装一体包
- ubuntu14.04 4000 _cuda8.0_cuDnn5.0_python3.4_gtx750ti_tensorflow
- Proxmox + Ubuntu16.04 + CUDA 8.0 环境下,安装Tensorflow
- 神经网络环境python2.7+tensorflow(gpu)+keras+cuda toolkit8.0+cudnn5.1+anaconda(ubuntu 16.04desktop64位)
- Ubuntu14.04 + NVIDIA GTX1080Ti + cuda8.0 +cuDNN6.0 +python3.4 + tensorflow_gpu-1.4.0-cp34-cp34m-
- ubuntu16.04:cuda8.0+python3.5+tensorflow1.4+opencv3.2安装说明
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录
- Windows10下python3.5.2+CUDA8.0+TensorFlow安装日记
- ubuntu16.04 + CUDA8.0+cudnn5.0+tensorflow-GPU+python2.7
- 初用Linux, 安装Ubuntu16.04+NVIDIA387+CUDA8.0+cudnn5.1+TensorFlow1.0.1
- Ubuntu 14.04 + Caffe + Cuda8.0 +Python2.7(GPU版)安装配置教程(傻瓜式)
- Ubuntu16.04+GTX1070+python3.6+anaconda3+CUDA8.0+cudnn5.1+opencv3.2.0+TensorFlow1.2.1(GPU)
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- ubuntu16.04安装NIVIDIA显卡驱动,cuda8.0,cuDNN6.0以及基于Anaconda安装Tensorflow-GPU
- tensorflow1.4 WIN7环境下安装于配置CUDA 8.0 cuDNN6.0安装
- ubuntu16.04+cuda8.0+python3.5_pip安装pytorch