配置深度学习tensorflow GPU版本

1、显卡驱动安装

我笔记本电脑的独立显卡是860m,安装好Ubuntu之后,可以通过Ubuntu自带的Additional Drivers来安装独立显卡驱动(可能驱动不是最新的,但是是系统认为最匹配的,暂且就用这种驱动吧)

step1:安装好Ubuntu首先对系统进行update和upgrade,否则直接装驱动会出错,具体命令如下:

sudo apt-get update

sudo apt-get upgrade

step2:执行完这个两条命令之后,进入system settings ->Software&Updates->Additional Drivers

配置深度学习tensorflow GPU版本_第1张图片

选择合适的显卡驱动,然后点击Apply changes,安装完之后再执行一下sudo apt-get update和 sudo apt-get upgrade,最后重新启动电脑,重启后可以看使用nvidia-smi可以查看显卡

配置深度学习tensorflow GPU版本_第2张图片

到此为止可以显卡驱动安装完毕。

2、安装CUDA

因为我使用的tensorflow是1.6版本,所以可以安装cuda9   同时现在cuda时要注意版本,它是和显卡驱动的版本关系的,我的显卡驱动是384.111,不是最新的,但是也没有关系。

我下载的cuda版本为:cuda_9.0.176_384.81_linux.run,注意驱动和cuda都是384,后面的小版本号可以不用管。可能还有两个补丁,可以先不用管。下载完后,如果没有执行权限,用如下命令修改

chmod u+x  cuda_9.0.176_384.81_linux.run

安装一系列的依赖包,否则安装cuda之后,会提示缺失libGLU.so  libxl.so, libXmu.so 模块,具体安装命令如下:

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

安装cuda,下载地址为https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal


配置深度学习tensorflow GPU版本_第3张图片


具体安装cuda命令如下:

sudo sh cuda_9.0.176_384.81_linux.run

接下来会出现协议之类的readme,好像是more命令打开的,按space键浏览到100%,然后提示相关安装选项,具体写法,如截图:

配置深度学习tensorflow GPU版本_第4张图片

然后在/etc/profile最后进行如下配置

cuda安装后,进行可以测试,如果能显示显卡信息,则安装成功:

可以备份deviceQeury为deviceQeuryBask

cd  /usr/local/cuda/samples/1_Utilities/deviceQeuryBask               

sudo make

./deviceQuery

结果如下:

配置深度学习tensorflow GPU版本_第5张图片

3、安装cuDNN

到cuDNN官网下载cuda对应的版本cuDNN(要先注册账户),下载Library for linux压缩包类型,我下载的为cudnn-9.0-linux-x64-v7.1.tgz

具体安装命令如下:

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz                                          //就地解压就行

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

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

到此为止,安装完成,安装cuDNN就是解压后把相应的文件拷贝到对应的CUDA目录下即可

补充:这样装上去了与后来的tensorflow1.6不匹配,出现这个错误

Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7004 (compatibility version 7000).  If using a binary install, upgrade your CuDNN library to match.  If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.

下载cudnn-9.0-linux-x64-v7.tgz 重新执行上面的命令即可 (也就是用7.0版本覆盖7.1即可)

4、安装gpu本版的tensorflow

我之前安装过tensorlflow,可以不用卸载之前的tensorflow,直接安装gpu-tensorflow即可,具体命令如下:

pip3  install --upgrade tensorflow-gpu==1.6

到此为止,整个安装完成。

5、测试gpu本版的tensorflow

配置深度学习tensorflow GPU版本_第6张图片





你可能感兴趣的:(python)