ubuntu16.04伺服器上無root許可權,配置個人tensorflow環境--cuda9.0+cuDNN7+tensorflow-gpu-1.18
阿新 • • 發佈:2018-11-15
本人在伺服器上已經用Anconda建立好python3.5的環境,這個網上有一大堆教程。接下來是重點。
1. cuda的安裝
https://developer.nvidia.com/cuda-downloads,選runfile(local)這個檔案下載然後執行如下程式碼
sh cuda_9.0.176_384.81_linux-run
chmod +x filename.run #如果不能直接執行,執行這個命令
在協議中選擇同意EULA(accept),不安裝driver installation (no),然後再安裝cuda時選擇個人使用者的目錄,如/home/yourname/cuda9,以及cudasamples的目錄。
nvidia-smi #檢視顯示卡驅動執行狀態
nvcc -V #檢視cuda-toolkit安裝是否成功
2.cuDNN檔案匯入cuda安裝目錄對應的位置
https://developer.nvidia.com/cudnn,這個需要註冊,然後選擇cudnn-9.0-linux-x64-v7.tgz這個下載--lib庫
cp cuda/include/cudnn.h cuda9/include/ #cuda9是個人使用者的下的目錄/home/yourname/cuda9 cp cuda /lib64/libcudnn* cuda9/lib64/ chmod a+r cuda9/include/cudnn/h cuda9/lib64/libcudnn*
cat ~/cuda91/include/cudnn.h | grep CUDNN_MAJOR -A5 #檢視cuDNN安裝狀態
#檢視結果
#define CUDNN_MAJOR 7 #define CUDNN_MINOR 0 #define CUDNN_PATCHLEVEL 5 #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
3.在自己的.bashrc檔案裡新增環境變數
export PATH=/home/yourname/cuda9/bin:$PATH” #加入檔案中 export LD_LIBRARY_PATH=/home/yourname/cuda9/lib64/ #加入檔案中
soure ~/.bashrc #使修改後的環境變數生效
4.安裝並測試tensorflow
import tensorflow as tf x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME') with tf.Session() as sess: sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]