目录
Ubuntu16.04+GTX1070+Nvidia 375.66+CUDA8.0+CUDNN5.0+Tensorflow-gpu
1.anaconda安装
2.NVIDIA驱动安装
3.安装cuda8.0
4.配置cuDNN
5.安装TensorFlow-gpu
6.参考文章
(1)在官网下载对应的安装包
(2)在下载目录下执行以下操作
bash Anaconda3-5.0.1-Linux-x86_64.sh
(3)对于安装提示,回车确认;进入licence文档,q跳过,yes确认,输入安装路径,开始安装
(4)安装完成后,选择将anaconda3的binary路径加入到.bashrc,以后Python和ipython命令会自动使用anaconda的Python环境
(1)删除原有的NVIDIA驱动sudo apt-get remove --purge nvidia-*
(2)从NVIDIA官网下载适合的驱动,下载完后
cd Downloads
sudo chmod a+x NVIDIA-Linux-x86_64-375.66.run #给驱动run文件赋予执行权限
sudo ./NVIDIA-Linux-x86_64-375.66.run #安装驱动
reboot #重启
(3)nvidia-smi #检验是否安装成功
注:目前最新的cuda版本为9.1,之前安装的时候与TensorFlow出现版本兼容问题,建议去TensorFlow官网查看版本支持之后再选择安装。
(1)去官网下载:https://developer.nvidia.com/cuda-downloads
我们选择下载runfile的local版本进行下载
(2)ctrl+alt+F1进入命令行界面
cd Downloads
sudo service lightdm stop #禁用X服务
sudo /etc/init.d/lightdm stop #一样的命令
sudo sh cuda-8.0.44_linux.run --no-opengl-libs
选择不安装NVIDIA驱动,后面选择yes或默认即可
sudo /etc/init.d/lightdm start #启用服务
reboot
(3)修改环境配置sudo gedit ~/.bashrc
将下面两句加入路径并保存
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
使上述修改生效source ~/.bashrc
(4)测试安装是否成功
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
显示GPU信息说明成功
(1)从官网注册之后下载与cuda匹配的cuDNN,
(2)在cuda的安装目录解压cuDNN
cd /usr/local
sudo tar -xzvf ~/Downloads/cudnn-8.0-linux-x64-v5.0-ga.tgz
完成安装
(3)配置cuda的路径
sudo ln -s libcudnn.so.5.1.0 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
安装TensorFlow有按虚拟环境安装、从编译好的release版本安装、从源码编译安装、用pip安装等方式,我们选择使用pip安装。
(1)卸载原来的tensorflow
sudo pip uninstall tensorflow
(2从https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0rc1-cp35-cp35m-linux_x86_64.whl下载gpu版的tf)
sudo pip install tensorflow_gpu-1.0.0rc1-cp35-cp35m-linux_x86_64.whl
(3)测试
$ipython
importtensorflow as tf
http://blog.csdn.net/fyz530357172/article/details/79207764
https://www.tensorflow.org/install/install_linux#NVIDIARequirements
TensorFlow-Gpu的安装与校验