Ubuntu16.04配置Tensorflow的GPU深度学习环境

Table of Contents

1 安装Nvidia GPU驱动

2 安装CUDA Toolkit

3 安装cuDNN

4 安装Tensorflow-gpu

1 安装Nvidia GPU驱动

到NVIDIA官网下载驱动：
 

安装前先执行下列方框内的命令，具体内容参考Tensorflow官网。

然后按照提示依次在命令行输入以下命令：

dpkg -i nvidia-diag-driver-local-repo-ubuntu1604-396.44_1.0-1_amd64.deb
apt-get update
apt-get install cuda-drivers
reboot

安装完成后输入

nvidia-smi

如果显示GPU信息则安装成功

 

 

2 安装CUDA Toolkit

下载CUDA Toolkit需要在网站注册，选择操作系统、架构等信息后就可以直接下载了，安装类型此处选deb（local）。然后按照提示在终端依次输入以下命令。此处安装的版本是9.2，第二行的路径根据自己7fa2af80.pub文件的存储位置设置。

sudo dpkg -i cuda-repo-ubuntu1604-9-2-local_9.2.148-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-2-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

安装完成后需要设置环境变量，在终端输入

sudo gedit ~/.bashrc

在文件最后一行添加

export PATH=/usr/local/cuda-9.2/bin\${PATH:+:\${PATH}}

此处的路径也要根据自己文件路径设置。

注：如果是采用runfile安装方式，则需要再添加一行

 export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后测试以下是否安装成功(此处编译时间较长,并且需要root权限)

cd /usr/local/cuda-9.2/samples
make

编译完成后执行

cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
make
./deviceQuery

如果显示“Result = PASS”表示安装成功,否则重启系统再编译一遍.

 

3 安装cuDNN

到官网下载cuDNN压缩包

解压

tar -zxvf cudnn-9.2-linux-x64-v7.2.1.38.tgz

复制include和lib64文件夹的文件到相应目录，具体路径根据自己情况设定

sudo cp /root/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.2/targets/x86_64-linux/include
sudo cp /root/Downloads/cuda/lib64/libcudnn* /usr/local/cuda-9.2/targets/x86_64-linux/lib
sudo chmod a+r /usr/local/cuda-9.2/targets/x86_64-linux/include/cudnn.h
sudo chmod a+r /usr/local/cuda-9.2/targets/x86_64-linux/lib/libcudnn*

 

4 安装Tensorflow-gpu

一般Ubuntu中安装了python和pip，可以通过以下命令查看安装的版本

python3 -V
pip3 -V

安装packages

sudo apt-get install python3-pip python3-dev python-virtualenv
sudo pip install -U pip

为虚拟环境创建路径并选择python解释器

mkdir ~/tensorflow
cd ~/tensorflow
virtualenv --system-site-packages -p python3 venv 

激活虚拟环境

source ~/tensorflow/venv/bin/activate

此时前面会显示tensorflow，表示在tensorflow环境下

 

在虚拟环境中安装tensorflow

sudo pip3 install tensorflow-gpu

补充：如果正确安装了GPU驱动、CUDA、cuDNN和Tensorflow-gpu后还是无法通过GPU跑程序，一个可能的原因是当你运行

import tensorflow as tf

默认导入的是Tensorflow，也就是cpu版的Tensorflow，你可以运行以下命令查看安装了哪些包

conda list # 通过Anaconda创建虚拟环境的情况下使用此命令
pip list # 直接创建python虚拟环境的情况下使用此命令

如果同时安装了Tensorflow和Tensorflow-gpu，卸载Tensorflow，再次导入的则是Tensorflow-gpu。

Reference:

1. https://developer.download.nvidia.com/compute/cuda/9.2/Prod2/docs/sidebar/CUDA_Installation_Guide_Linux.pdf
2. https://www.tensorflow.org/install/install_linux#tensorflow_gpu_support