Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建

前言

2018年搭建的tensorflow深度学习环境,  之前没有做笔记,  现在补上。

本人搭建的环境是基于Ubuntu16 或者 Centos7 上,  其实在Windows也大同小异。

本文从一台新的GPU云服务器(姑且将他称为云服务器吧)上安装环境。

 

 

步骤

1.  安装Anaconda3,  (注意版本要3.5~3.6)

2. 安装NVIDIA显卡驱动

3.  安装Cuda8.0

4.  安装Cudnn6.0 For Cuda8.0 加速计算

5.  安装Tensorflow-gpu 1.4版本

 

 

 

一、Anaconda3

Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包,  也可以理解为一个集成了许多python库/包的工具环境。

直接进入Anaconda官网下载安装:

https://www.anaconda.com/distribution/#download-section

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第1张图片

但是官网的是最新版本的,  对应的python是3.7版本,  不符合本文主题。而且国外的镜像也很慢

这里推荐用清华的镜像源下载,  也可以选择任意版本下载:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第2张图片

复制下载链接,  到云服务器里运行命令:

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2018.12-Linux-x86_64.sh

等待下载完成, 运行安装:

sudo chmod 755 Anaconda3-2018.12-Linux-x86_64.sh  // 增加执行权限

./Anaconda3-2018.12-Linux-x86_64.sh  // 运行

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第3张图片

安装结束后,  配置一下环境变量:

sudo vim /etc/profile

在最后一行新增: 

然后刷新一下:

source /etc/profile

检查一下是否安装成功:

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第4张图片

 

 

 

二、安装NVIDIA显卡驱动

到NVIDIA官网下载对应显卡的驱动:

https://www.nvidia.cn/Download/index.aspx?lang=cn

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第5张图片

同样复制下载地址:

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第6张图片

到云服务器上:

wget https://www.nvidia.cn/content/DriverDownload-March2009/confirmation.php?url=/tesla/418.116.00/NVIDIA-Linux-x86_64-418.116.00.run&lang=cn&type=Tesla

下载完成之后: 

sudo chmod 755 NVIDIA-Linux-x86_64-418.70-grid.run  // 增加执行权限

./NVIDIA-Linux-x86_64-418.70-grid.run  // 运行

值得一提的是,  如果Linux上有图形界面(如Ubuntu),  就需要将原装的图形界面关掉且禁止启动

由于Centos7上没有图形界面,  所以直接安装就好了,

安装成功之后,  查看是否成功:

nvidia-smi

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第7张图片

 

 

 

 

三、安装Cuda8.0

cuda官网下载:

https://developer.nvidia.com/cuda-toolkit-archive

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第8张图片

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第9张图片

用同样的下载方式(复制下载链接),  下载到云服务器:

wget https://developer.nvidia.com/cuda-80-ga2-download-archive

下载完成之后:

sudo chmod 755 cuda_8.0.61_375.26_linux-run  // 增加执行权限

./cuda_8.0.61_375.26_linux-run  // 运行

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第10张图片

安装完成之后就配置环境变量:

sudo vim /etc/profile

在最后一行追加如下:

export ANACONDA3="/usr/local/anaconda3"
export PATH="$ANACONDA3/bin":$PATH

重新刷新即可:

source /etc/profile

查看是否安装成功:

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第11张图片

 

 

 

四、安装Cudnn6.0 For Cuda8.0

同样是进入官网下载安装:

https://developer.nvidia.com/rdp/cudnn-download

不过这边需要注册一个账户登录才能下载:

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第12张图片

下载到云服务器:

wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170307/cudnn-8.0-linux-x64-v6.0-tgz  // 下载

sudo tar -zxvf cudnn-8.0-linux-x64-v6.0-tgz -C .  // 解压到当前路径

成功之后目录就有两个文件:  includ和lib

将其分配到cuda-8.0中:

cp -a cuda6.0/include/cudnn.h /usr/local/cuda-8.0/include/

cp -a cuda6.0/lib64/libcudnn* /usr/local/cuda-8.0/lib64/

再赋予运行权限:

chmod 755 /usr/local/cuda-8.0/include/cudnn.h

chmod 755 /usr/local/cuda-8.0/lib64/libcudnn*

配置环境变量:

sudo vim /etc/profile

新增一下内容:

export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64":$LD_LIBRARY_PATH

再刷新即可

接着测试cuda+cudnn是否工作:

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery/

make

./deviceQuery

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第13张图片

看到配置信息和PASS即为成功

 

 

 

五、安装Tensorflow-gpu 1.4版本

直接pip安装即可:

pip install tensorflow-gpu==1.4

测试:

Tensorflow1.4 GPU + Cuda8.0 + Cudnn6.0 环境搭建_第14张图片

到此为止,  环境就搭建完成了!

Enjoy your time !

你可能感兴趣的:(深度学习)