Ubuntu系统配置tensorflow运行环境(GPU版本)
2018-03-31 14:18
597 查看
ubuntu16.04 + cuda9.0 + cuDNN7.0 +python3.4(Anaconda) + tensorflow1.6.0
写在前面:cuda+cuDNN+Ubuntu+Python+tensorflow对版本的要求非常严格,不同的版本之间是不兼容的,所以安装的时候需要按照官网的要求进行适配。本文所给出的是最典型的一种安装,也是比较方便快捷的一种安装方法,建议使用。tensorflow运行环境的配置虽然官网给出了说明,但是实际操作起来还是会有许多的问题,作者在安装的时候就遇到了一些问题,写作此文一方面是希望记录一下,另一方面希望能够给予后来者一些帮助。说明:文中的一些名称例如 your_home_dir,anaconda_installer.sh为本人所取的代号,安装的时候应该加以替换。
1、检查是否符合安装条件
(1)验证你的GPU是否支持cuda: lspci | grep -i nvidia 如果显示的结果可以在 http://developer.nvidia.com/cuda-gpus 找到,则继续往下进行(2)验证linux版本是否符合要求 uname -m && cat /etc/*release (常见的支持的Linux系统可以在nvidia官网上找到,例如ubuntu系统,主要支持Ubuntu14.04以及Ubuntu16.04)(3)验证gcc版本:gcc –version (这个一般不会有问题)(4)验证系统内核头文件以及开发包是否正确安装(无则安装,有则不装,执行下面的命令,无伤害) sudo apt-get install linux-headers-$(uname -r)2、安装cuda toolkit
(1)下载Base Installer Base installer(网址可能有变,可以到NVIDIA官网查询)(2)安装Base Installer: sudo dpkg –i cuda-repo-ubuntu1604_9.1.85-1_amd64.deb(3)sudo apt-key adv --fetch-keys \ http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub(4)sudo apt-get update(5)sudo apt-get install cuda-9-0 这里需要注意了,官网给出的命令是 sudo apt-get install cuda,如果执行这条命令会自动安装最新版本的cuda,但是由于cuda+cuDNN+Ubuntu+tensorflow的组合对版本非常严格,这样安装的cuda版本很可能出现不匹配的问题,所以,你必须明确你需要安装的cuda版本,例如我想要安装cuda9.0,所以执行上面给出的命令。(6)(可选步骤)如果之前有安装过其他cuda版本,可以执行如下命令删除残留文件 sudo apt-get autoremove(7)设置环境变量export PATH=$PATH:/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-9.0
3、安装cuDNN
(1)到nvidia官网下载安装包(2)tar安装文件的情况tar -xzvf cudnn-9.0-linux-x64-v7.tgz将以下的文件拷贝到cuda对应的目录下$ 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*(3)Debian文件的情况:有以下三个文件需要下载安装安装运行时库:sudo dpkg -ilibcudnn7_7.0.3.11-1+cuda9.0_amd64.deb安装开发者库:sudo dpkg -ilibcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb安装代码样本:sudo dpkg -ilibcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb(4)验证安装将上述代码样本拷贝到一个有可写权限的路径例如:$cp -r/usr/src/cudnn_samples_v7/ $HOME切换到代码样本内的mnistCUDNN目录下$ cd $HOME/cudnn_samples_v7/mnistCUDNN编译mnistCUDNN例子$make clean && make运行例子./mnistCUDNN如果输出 Test passed! 则说明cuDNN安装成功4、安装Anaconda以及创建python环境
(1)到Anaconda官网下载安装文件anaconda_installer.sh(2)校验安装文件 :md5sum anaconda_installer.shaconda_installer.sh(3)安装:bashanaconda_installer.sh(4)设置conda环境变量:export $PATH=$PATH:/Anaconda_dir/bin(5)更新.bashrc配置文件:source /your_home_dir/.bashrc(6)创建一个python环境: conda create –n tensorflow pip python=3.4(7)激活Python环境:source activate tensorflow5、安装tensorflow
(1)pip install --ignore-installed –upgradehttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp34-cp34m-linux_x86_64.whl6、测试安装
(1)进入Python命令行,import tensorflow as tf,如果不报错说明安装成功。Congratulations!!!相关文章推荐
- 在ubuntu或者min运行环境下安装gpu版本的tensorflow
- TensorFlow-GPU环境配置之一——安装Ubuntu双系统
- 学习笔记(三)ubuntu16.04下Anaconda及tensorflowGPU版本的安装配置
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- Ubuntu16.04+GTX1070显卡驱动+cuda8.0+cudnn5.1+tensorflow-gpu环境配置
- [TensorFlow] Ubuntu 16.04 配置 tensorflow gpu 环境
- Ubuntu16.04配置tensorflow-gpu环境(CUDA+cuDNN)
- Ubuntu14.04下支持GTX1070 GPU加速Tensorflow环境配置
- Ubuntu16.04 配置tensorflow1.0 gpu版本
- [环境配置] Ubuntu 16.04.3 + 1080Ti 环境下配置Tensorflow-GPU
- Ubuntu 16.04安装配置TensorFlow GPU版本
- Ubuntu16.04 配置tensorflow1.0 gpu版本
- ORB_SLAM运行详细过程(ubuntu14.04系统和ROS Indigo环境搭建,配置及测试运行)
- Ubuntu16.04 CUDA8.0+caffe+gpu运行环境配置
- ubuntu系统下eclipse配置hadoop开发环境并运行wordcount程序
- ubuntu16.04系统安装pycharm并配置tensorflow环境
- Ubuntu16.04下安装配置了tensorflow GPU版本后导致的常见错误
- caffe-ubuntu14.04+64bit环境配置说明(GPU下运行)
- 在ubuntu16.04_X86-64环境下快速搭建GPU版本的tensorflow
- Ubuntu16.04版本搭建Tensorflow环境并启用GPU支持