ubuntu18.04 tensorflow-gpu1.13+cuda10.0+cudnn7.5安装配置

tensorflow笔记

系统及配置

系统为Ubuntu18.04，GPU为GeForce 940M
推荐安装最新版本驱动。Nvidia已经提供了CUDA、cudnn的deb文件或者runfile，极不推荐使用解压安装。

安装CUDA

须知：CUDA与cudnn、tensorflow有严格的版本对应关系。
这里安装CUDA 10.0，cudnn7.5，tensorflow-gpu 1.13.1
推荐安装CUDA 10.0
CUDA下载链接

推荐下载runfile，下载后添加可执行权限，运行。如已安装Nvidia驱动，可不选驱动安装。安照提示安装即可。推荐安装samples用来测试是否安装成功。
添加环境变量：

sudo gedit ~/.bashrc

在文件最后添加

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后设置环境变量和动态链接库，在命令行输入：

sudo gedit /etc/profile

在打开的文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

保存之后，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下语句：

/usr/local/cuda/lib64

然后执行，使链接立即生效

sudo ldconfig

测试CUDA

cd /usr/local/cuda-10.0/samples/
cd 1_Utilities/bandwidthTest/
sudo make
./bandwidthTest

编译无错误，输出如下：

安装CUDNN

CUDNN下载

需要注册，下载Rutime Library、Developer Library、Code Samples（Deb）并按此顺序安装。

安装tensorflow

安装tensorflow与tensorflow-gpu，版本均为1.13.1，推荐使用Pycharm。

测试：

# coding=utf-8

import tensorflow as tf
from numpy.random import RandomState

batch_size = 8

w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))

x = tf.placeholder(tf.float32, shape=(None, 2), name='x-input')
y_ = tf.placeholder(tf.float32, shape=(None, 1), name='y-input')

a = tf.matmul(x, w1)
y = tf.matmul(a, w2)

cross_entropy = -tf.reduce_mean(y_ * tf.log(tf.clip_by_value(y, 1e-10, 1.0)))
train_step = tf.train.AdamOptimizer(0.001).minimize(cross_entropy)

rdm = RandomState(1)
dataset_size = 128
X = rdm.rand(dataset_size, 2)
Y = [[int(x1 + x2 < 1)] for (x1, x2) in X]

with tf.Session() as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(w1))
    print(sess.run(w2))

    STEPS = 5000
    for i in range(STEPS):
        start = (i * batch_size) % dataset_size
        end = min(start + batch_size, dataset_size)

        sess.run(train_step, feed_dict={x: X[start:end], y_: Y[start:end]})
        if i % 1000 == 0:
            total_cross_entropy = sess.run(cross_entropy, feed_dict={x: X, y_: Y})
            print("After %d training step(s),cross entropy on all data is %g" % (i, total_cross_entropy))
    print(sess.run(w1))
    print(sess.run(w2))

运行之：

可以看到启用了GPU。