工作筆記-服務器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu環境搭建
記錄實習工作中學到的新東西
服務器下ubuntu+cuda9.0+cuDNN7.0+tensorflow-gpu環境搭建
1.登陸服務器
windows系統下用xshell或者MobaXterm,新建session,輸入服務器ip連接。
2.安裝cuda9.0
(1)在英偉達官網進入cuda下載頁(https://developer.nvidia.com/cuda-90-download-archive),選擇對應的版本。ubuntu16.04的如下圖,選擇runflie(local)則可以直接循行.run文件進行安裝,十分簡便。
(2)按照官方的提示,接下來運行命令$ sudo sh cuda_9.0.176_384.81_linux.run
$ sh cuda_9.0.176_384.81_linux.run
。接下來會進入到安裝程序,進行一系列的選擇。對於安裝新的英偉達驅動選擇no,對於安裝路徑默認的是/usr/local/cuda-9.0,這裏應該輸入想要安裝到的自己服務器的目錄,我的是/home/服務器名字/cuda-9.0。其他的都可以按照默認的來。
(3)配置環境變量
最後需要給cuda在~/.bashrc中添加環境變量
$ vi ~/.bashrc //用vi打開~/.bashrc文件後,按i進入編輯模式
然後添加環境變量,比如我的是
#cuda export PATH="/home/fumengjin/cuda-9.0/bin:$PATH" export LD_LIBRARY_PATH="home/fumengjin/cuda-9.0/lib64:$LD_LIBRARY_PATH"
然後退出vi,按esc進入命令模式,然後輸入“:”再輸入x,保存並退出。
(4)卸載cuda
如果安裝出了什麽問題需要卸載,在cuda-9.0/bin中有卸載cuda的程序,在cuda的安裝路徑下,運行./bin/uninstall_cuda_7.5.pl
就可以自動卸載,然後重啟一下終端即可。
3.安裝cuDNN
cuDNN的安裝比較簡單,在英偉達官網的下載頁(https://developer.nvidia.com/rdp/cudnn-archive),選擇相應版本的cuDNN,我選的是對應與cuda9.0的cuDNN7.0.5,下載cuDNN v7.0.5 Library for Linux。這個需要登陸英偉達的賬號,賬號好像需要FQ才好登。
可以直接下載到和cuda-9.0同一個根目錄下,得到一個cudnn-9.0-linux-x64-v7.tar的壓縮包。運行tar -xzvf cudnn-9.0-linux-x64-v7.tgz
,解壓即可,解壓後會得到一個名為cuda的文件夾。
如果是下載在其他的下載目錄下,就將cuda文件夾目錄下的文件都復制到和cuda-9.0同一個根目錄下。
4.安裝tensorflow-gpu
我是直接用pip安裝的,pip install tensorflow-gpu
。
如果不能FQ用pip安裝太慢的話,可以用清華的源安裝,方法為$ pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
。
工作筆記-服務器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu環境搭建