Ubuntu16.04安裝配置GPU版TensorFlow
基本工作
更新系統
sudo apt-get update
sudo apt-get upgrade -y
sudo apt-get dist-upgrade -y安裝linux kernel modules,linux source和headers
sudo apt-get install linux-image-extra-virtual
sudo apt-get install linux-source-(uname−r)sudoapt−getinstallsysdig−dkmssudoapt−getsourcelinux−image− (uname -r)
sudo apt-get install linux-headers-$(uname -r)禁用nouveau核心
sudo vim /etc/modprobe.d/blacklist.conf
新增如下內容:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off然後執行以下命令即可:
echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
sudo update-initramfs -u
重啟之後即可禁用nouveau,可以執行$ lsmod | grep nouveau檢查是否禁用成功,如果執行後沒有任何輸出,則代表禁用成功。
安裝anaconda
下載anaconda,執行命令bash Anaconda3-4.3.1-Linux-x86_64.sh ,然後一路yes即可。
安裝顯示卡驅動
首先lspci檢視自己的GPU顯示卡版本,然後到Nvidia官方網站下載對應版本的顯示卡驅動,之後執行命令sudo service lightdm stop,通過Ctrl+Alt+F1進入init3(文字模式),輸入賬號密碼進行安裝,執行以下命令:
sudo chmod +x NVIDIA-Linux-x86_64-375.51.run
sudo ./NVIDIA-Linux-x86_64-375.51.run
一路yes和回車就搞定了。
然後sudo service lightdm start,可以通過sudo nvidia-xconfig -query-gpu-info檢視GPU資訊。
安裝CUDA
到CUDA官網下載,這裡下載的是8.0版本CUDA,然後執行命令安裝:
sudo chmod +x cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run
除了OpenGL選no,其他一路yes和回車就搞定了。如果報錯比如X server is running或者unable to locate the kernel的問題,確保之前提到的準備工作全部做好,絕對不會有問題。
安裝好CUDA之後,新增環境變數:
sudo vim /etc/profile
# 新增內容如下:
PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib
# 儲存退出,使之立即生效
source /etc/profile
# 新增lib庫路徑
sudo vim /etc/ld.so.conf.d/cuda.conf
# 新增內容如下:
/usr/local/cuda-8.0/lib64
# 儲存退出,使之立即生效
sudo ldconfig
# 驗證安裝結果,有伺服器資訊和cuda版本號即可
nvcc -V
安裝cuDNN
在cuDNN官網上下載,需要註冊,必須下載cuDNN v5.1 Library for Linux版本,執行以下命令:
sudo tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
然後可以測試CUDA等是否成功配置,編譯執行某個sample:
cd /usr/local/cuda/samples
sudo make all -j4
# 全部編譯完成之後
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery # 如果顯示有可用的GPU即為成功
安裝TensorFlow
選擇用conda建立獨立環境:
conda create -n tensor_test python==3.5
source activate tensor_test
# 直接用pip安裝
pip install tensorflow-gpu==1.2
# 進入python環境測試
import tensorflow as tf
# 如下可以檢視tensorflow的版本號和安裝路徑
tf.__version__
tf.__path__
一定注意版本,tensorflow-gpu最新版本為1.4,但是會報libcudnn.so.6:cannot open sharedobject file: No such file or directory錯誤,說明1.4已經開始去找cudnn6了,但我們這是5.1,理論上可以換用cudnn6,算了,還是做一個沒有夢想的鹹魚吧,能用就行,換用tensorflow-gpu 1.2版本完美解決。
重重困難,還得靠自己解決。(Fuck the Christmas!!!)
相關推薦
Ubuntu16.04安裝配置GPU版TensorFlow
基本工作 更新系統 sudo apt-get update sudo apt-get upgrade -y sudo apt-get dist-upgrade -y 安裝linux kernel modules,linux source和headers
Ubuntu16.04安裝配置Caffe教程(GPU版)
GPU版:http://www.linuxidc.com/Linux/2016-12/138870.htm CPU版:http://www.linuxidc.com/Linux/2016-09/135034.htm 1 電腦配置及軟體說
ubuntu16.04安裝配置nagios
group sent 內容 OS 重新啟動 open ln -s rpe conf 參考博文:https://www.howtoing.com/ubuntu-nagios/ 該博文真實有效可供參考,按照步驟,基本可以成功 一.安裝的先決條件 sudo apt-get ins
Ubuntu16.04安裝配置和使用ctags
刪除 可執行 exe path opencv 了吧 -- sta ntc Ubuntu16.04安裝配置和使用ctags by ChrisZZ ctags可以用於在vim中的函數定義跳轉。在ubuntu16.04下默認提供的ctags是很老很舊的ctags,快要發黴的版本(
Ubuntu 16.04下配置GPU版CUDA和cuDNN
先介紹一下我自己的配置環境 Ubuntu 16.04 Intel i7 CPU 16G記憶體 GTX980Ti 顯示卡 1、安裝NVIDIA顯示卡驅動 (1)先在NVIDIA官網上下載對應的驅動程式,可根據自己的GPU的型號下載相應的.run檔案 例如NVIDIA-L
ubuntu16.04安裝配置mysql資料庫
參考http://wiki.ubuntu.org.cn/MySQL%E5%AE%89%E8%A3%85%E6%8C%87%E5%8D%97 一、安裝 安裝命令sudo apt-get install mysql-server 但是由於存在舊版本或者解除安裝不乾淨,可能報錯如下 參考https://
Ubuntu16.04 安裝MXNet GPU
方式一:安裝預編譯檔案 pip install mxnet-cu80 方式二:編譯原始碼 安裝nvidia顯示卡驅動和cuda/cudnn 下載mxnet cd /usr/local/src git clone https://github.com/dmlc/mxnet.git
神經風格轉移:Anaconda快速搭建DL框架學梵高(Van Gogh)繪畫Ubuntu16.04 CPU&GPU版
神經風格轉移:Anaconda快速搭建DL框架學梵高(Van Gogh)繪畫 Ubuntu16.04 CPU&GPU版 最近開始學ML和DL的知識,開始新的方向,像吳恩達說的,看的再多,不跑幾個Demo做幾個實驗,還是理解不了,所以找了個基於DL做的包跑了一下,還挺有意思的,DL
win7/win10下cuda8.0安裝跑gpu版tensorflow
簡單寫下配置過程吧,挺簡單的: 0.win7/10 X64系統 1.安裝vs2013 2.安裝Anaconda3(需要裡面的python環境) 3.下載CUDA8.0(https://developer.nvidia.com/cuda-downloads),下面兩個exe檔案都下載 &
ubuntu16.04 安裝配置ss-qt5及SwitchyOmega外掛配置
加入PPA源和更新、安裝命令 sudo add-apt-repository ppa:hzwhuang/ss-qt5 sudo apt-get update sudo apt-get install shadowsocks-qt5 配置ss 搜尋開啟ss:
ubuntu16.04安裝配置vsftpd採坑記錄
歡迎光臨我的個人主頁 最近學習linux, 在安裝配置vsftpd時遇到問題,記錄一下 一.安裝配置可以參考Ubuntu 16.04下vsftpd 安裝配置例項 二.沒看上面的教程之前,我以為是vsfp
ubuntu16.04安裝配置fastai 0.7
fastai-0.7裡面內建的pytorch是0.3.1,已經可以滿足日常需求了,所以就沒有裝fastai1.0(對應的pytorch是1.0,主要是太新了,不想踩坑emmm) 第一步:更新pip或者conda(下一步用哪個安裝就更新哪個,我更新的是conda
Ubuntu16.04 安裝 Caffe(SSD版)
安裝步驟 首先安裝各種依賴包: $ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev $ python-dev libgflags-dev libatl
Windows 10 安裝 Anaconda3 & GPU版Tensorflow & Cuda9 & cudnn7
前言 為了更好的學習工作,清理了下電腦,重做了下系統,因此需要重新裝深度學習相關的執行環境。在這裡記錄一下安裝過程,以備後用。 環境:Windows 10 & vs-2015 & cuda9 & cudnn7 & anaconda
Ubuntu16.04安裝配置opencv3.4.3+opencv_contrib3.4.3
Ubuntu16.04安裝配置opencv3.4.3+opencv_contrib3.4.3 一些廢話:跟著高博的《視覺slam十四講》學slam,到安裝opencv的時候找了好多教程感覺都沒說的太清楚,ubuntu和windows差別還是有點大,於是決定一邊找教程安裝一邊記錄自己的
ubuntu16.04 安裝配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe環境
網路上有很多ubuntu上caffe配置環境的帖子,本人照著其中的許多進行了參考,都出現了或多或少的錯誤,很多地方也有差異。 於是自己整理了下自己的安裝過程,成功進行了測試,跑通了faster-rcnn。配置環境時間為2017.1.4 系統ubuntu16.04 一:顯示卡驅動的安裝: 選擇電腦匹配
ubuntu16.04安裝配置opencv3.2.0(完全安裝)
本教程為完全安裝教程,只需要簡單安裝的可以參考此篇簡單安裝教程,大部分功能可以使用,但是不具有video等視訊處理的功能。由於本人需要video功能,因此重新安裝的自己的opencv。 安裝步驟 安裝FFMPEGapt-get安裝相關的依賴庫下載opencv,o
Ubuntu16.04安裝配置FastDFS
最近接觸到了FastDFS,結果配置的時候遇到了非常多的問題!寫來自己看看!注:首先你先到網上下載好這些個包,我都已經上傳了不用金幣下載!一丶接下來的問題就比較簡單了 將所有的包解壓好,安裝的順序如下:libevent->libfastcommon->Fas
ubuntu16.04安裝QQ2012國際版教程
在知乎,論壇上看了好多ubuntu系統qq版本的問題,2012是最好用的,也是ubuntu上可支援的最新的qq; 1 終端輸入 :sudo apt-get update //安裝新的下載源 2 終端輸入:sudo apt-get install wine1.6 //安
Ubuntu16.04安裝配置JDK環境
這裡使用的是oracle的JDK 下載地址:http://www.oracle.com/technetwork/java/javase/downloads/index.html 例如使用jdk-8u1