深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0
目錄
- 深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0
- Reference
- 硬件說明:
- 軟件準備:
- 1. 安裝Ubuntu16.04
- 2. 安裝顯卡驅動
- 3.安裝Cuda8.0
- 4. 安裝Cudnn6.0
- 5. 清華源安裝Anaconda
- 6. 安裝tensorflow
- 7. 驗證您的安裝
- 運行一個簡短的 TensorFlow 程序
- 8. 卸載cudnn5.1升級為cudnn6.0
深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0
Reference
https://zhuanlan.zhihu.com/p/31430631?utm_source=com.tencent.tim&utm_medium=social&utm_oi=1002237860644270080
硬件說明:
顯卡:gtx-1080,8G顯存
NVIDIA Corporation Device 1b80
軟件準備:
深度學習環境必須適配,不能版本之間必須匹配,這些庫之間有依賴關系。
我的環境用的是:
- ubuntu 16.04
- Python3.5 # tensorflow無法完全支持3.6版本的,3.5比較穩定
- Cuda8.0 # 目前Ubuntu16.04對cuda8.0的版本支持較好,同時Tensorflow對cuda9.0不太友好,因此我們選擇Cuda8.0
- Cudnn6.0
- Tensorflow1.4.0
1. 安裝Ubuntu16.04
從Ubuntu官網下載鏡像,並用U盤安裝。
安裝完成之後更新系統。
sudo apt-get update
sudo apt-get upgrade
2. 安裝顯卡驅動
可以參考https://www.cnblogs.com/pprp/p/9430836.html
親測可用,但是需要註意需要去英偉達官網下載適合自己電腦的版本(nvidia網頁可以自己測出你的電腦所需要的型號),具體安裝過程參考以上博客。
重啟電腦,通過nvidia-smi
命令查看驅動信息,如果成功顯示,那麽驅動安裝成功
3.安裝Cuda8.0
從NVIDIA官網https://developer.nvidia.com/cuda-release-candidate-download下載適合的CUDA版本,目前官網最新的版本是9.0,但是我非常不建議大家使用最新版本。
我們選擇linux平臺,下載runfile。執行;
sudo ./cuda_8.0.61_375.26_linux.run
我們已經安裝好了384,這一步選擇n,剩下的一路yes就行。
最後需要配置環境變量,讓我們安裝的CUDA生效。
(1)打開sudo gedit ~/.bashrc,在最後面添加兩行如下:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
(2)設置環境變量和動態鏈接庫,打開sudo gedit /etc/profile
,在文件末尾加入:
export PATH=/usr/local/cuda/bin:$PATH
(3)創建鏈接文件,打開sudo gedit /etc/ld.so.conf.d/cuda.conf
,在文件中添加:
/usr/local/cuda/lib64
最後執行 sudo ldconfig
,使上述設置立即生效。
測試CUDA:
執行以下命令:
cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery
可以看到詳細信息,最後結果是Pass,則CUDA安裝成功,否則就是哪裏有問題(利用Google和百度解決)。
4. 安裝Cudnn6.0
在NIVIDA開發者官網上,找到cudnn的下載頁面:?https://developer.nvidia.com/rdp/cudnn-download?,選擇"Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0" 中的 "cuDNN v6.0 Library for Linux":
下載後安裝非常簡單,就是解壓然後拷貝到相應的系統CUDA路徑下:
tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
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*
5. 清華源安裝Anaconda
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
將一下源加入,可以加速
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
建議選擇Anaconda3-4.2.0-Linux-x86_64.sh(版本4.2)進行安裝,因為支持python3.5,通過命令chmod +x Anaconda3-4.2.0-Linux-x86_64.sh
& ./Anaconda3-4.2.0-Linux-x86_64.sh
就可以進行安裝,安裝過程按照提示來就可以,比較簡單。
6. 安裝tensorflow
參考官網:https://www.tensorflow.org/install/install_linux?hl=zh-cn#InstallingAnaconda
首先創建一個anaconda虛擬環境:
conda create -n tensorflow python=3.5
通過發出以下命令激活 conda 環境:
source activate tensorflow
發出以下格式的命令以在 conda 環境中安裝 TensorFlow:
pip install --ignore-installed --upgrade tensorflow-gpu==1.4.0
7. 驗證您的安裝
運行一個簡短的 TensorFlow 程序
從 shell 中調用 Python,如下所示:
$ python
在 Python 交互式 shell 中輸入以下幾行簡短的程序代碼:
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果系統輸出以下內容,說明您可以開始編寫 TensorFlow 程序了:
Hello, TensorFlow!
如果系統輸出一條錯誤消息而不是問候語,請參閱常見的安裝問題。
8. 卸載cudnn5.1升級為cudnn6.0
1、解壓出一個名為cuda的文件夾,文件夾中有include和lib64兩個文件夾
2、刪除原來的cudnn
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*12
3、安裝安裝需要版本的cudnn,在終端cd到剛解壓的cuda文件夾
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/12
4、cd到/usr/local/cuda/lib64/文件夾下,建立軟鏈接(註意版本號換成你自己的)
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig 1234
5、檢測
cd /usr/local/cuda/lib64/
ll12
cudnn版本更新完畢
深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0