1. 程式人生 > >ubuntu + cuda+cudnn+tensorflow-gpu+docker+tensorflow-serving

ubuntu + cuda+cudnn+tensorflow-gpu+docker+tensorflow-serving

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub 
sudo apt-get update
sudo apt-get install cuda
gredit ~/.bashrc

export CUAD_HOME=/usr/local/cuda-9.0

export LD_LIBRARY=${CUDA_HOME}/lib64

export PATH=${PATH}:${CUDA_HOME}/bin

source
1 sudo tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
2 sudo cp cuda/include/cudnn.h /usr/local/cuda/include
3 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
4 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo rm -rf /usr/local/cuda/include/cudnn.h

sudo rm -rf /usr/local/cuda/lib64/libcudnn*

cuda 版本
cat /usr/local/cuda/version.txt

cudnn 版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

相關推薦

ubuntu + cuda+cudnn+tensorflow-gpu+docker+tensorflow-serving

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub sudo apt-get

ubuntu+cuda+cudnn+TensorFlow

1. 作業系統:ubuntu 16.04 64位桌面版  Ubuntu 16.04.5 LTS (GNU/Linux 4.15.0-29-generic x86_64) 2. 顯示卡:RTX 2080 Ti 3. 顯示卡驅動 CUDA10 (cuda9不能驅動2080t

ubuntu+cuda+cudnn+tensorflow(親測可用,包括遇到的坑都有解釋)

一、檢視顯示卡資訊: 檢視顯示卡: lspci | grep -i nvidia #我的是06:00.0 3D controller: NVIDIA Corporation Device 15f8 (rev a1) 然後看顯示卡驅動: lsmod | grep -i nv

深度學習 ubuntu16.04 theano tensorflow cuda cudnn 搭建gpu加速,親測有效

特別注意 網上有的指出前期需要安裝NVIDIA 驅動,需要到官網下載什麼的其實這裡可以一步解決。 當你安裝好ubuntu 16.04 系統後,在terminal裡輸入 nvidia-smi 這

華碩超算伺服器Ubuntu+CUDA+cuDNN+Anaconda+Tensorflow/PyTorch環境搭建

【2018年8月3日更新】對於一些步驟進行了說明與調整,增加了一些可能遇到的問題。 目錄 實驗室新上的華碩超算伺服器,型號:華碩ESC8000G3,CPU為Intel至強E5系列,記憶體128G,八塊GeForce GTX TITAN X,

tensorflow-GPU docker執行

1.tensorflow安裝版本介紹 在伺服器上部署的時候,可能宿主機直接用apt install安裝的CUDA9.1(ubuntu18.04支援apt install 安裝CUDA9.1),此時用pip install tensorflow–gpu 安裝的

Ubuntu CUDA+cudnn+驅動安裝(被坑過無數次的小白的經驗)

Ubuntu CUDA+cudnn+驅動安裝 安裝Ubuntu 安裝CUDA 安裝驅動 安裝CUDNN PS: 這僅僅是其中一種可行的方法 沒成功安裝過的可以看看 tensorflow的要求版本可能會變化,一定要按照官網上建議的裝

Ubuntu 16.04 安裝cuda9.0 &udnn7.0 之妙法:NVIDIA 驅動->cuda->cudnn->安裝tensorflow-gpu(windows 也可參考),試一下?

1. 安裝Ubuntu16.04 系統下載地址: http://releases.ubuntu.com/16.04/ 下載64位系統:ubuntu-16.04.4-desktop-amd64.iso 製作系統盤安裝,推薦使用rufus,這個簡單便捷,大力推薦。 下載網址:https://

Ubuntu 16.04安裝N卡驅動、cudacudnntensorflow GPU

安裝驅動 最開始在英偉達官網下載了官方驅動,安裝之後無法登入系統,在登入介面反覆迴圈,用cuda裡的驅動也出現了同樣的問題。最後解決辦法是把驅動解除安裝之後,通過命令列線上安裝驅動。 解除安裝驅動: sudo nvidia-uninstall 線上安裝: sudo apt-add-repository

Ubuntu 18.04 搭建帶GPUTensorFlow、Keras、Pytorch深度學習開發環境(不用手動安裝cudnncuda

Ubuntu 18.04 搭建帶GPU的TensorFlow、Keras、Pytorch深度學習開發環境(不用手動安裝cudnn和cuda) ​ 對學習深度學習的新手來說,環境搭建沒有大神指導會比較麻煩,今天介紹一種簡單、簡單、非常簡單的環境搭建方法。 1.安裝Anaconda

重灌Ubuntu 恢復 Cuda + cudnn + GPU driver + tensorflow 環境走過的坑

接上 最近要重現YOLOv3 實時線上物體檢測演算法,程式碼要求Python3.6及以上由於Ubuntu 自帶的Python版本是3.5.2於是索性直接給卸掉了, 由於是Ubuntu自帶的版本, 可能系統需要用到裡面的元件,再次重啟系統的時候產生登陸迴圈login

ubuntutensorflow-gpu環境搭建(通過anaconda,不需要手動安裝cudacudnn

本篇文章主要講解在Ubuntu16.04環境下,搭建TensorFlow框架,主要是GPU版本的。下面我採用conda安裝tensorflow-gpu。 第一步:安裝navidia driver 第二步:安裝anaconda 參考我的另一篇

原始碼安裝l CUDA 10.0, cuDNN 7.3 and build TensorFlow (GPU) from source on Ubuntu 18.04

更糟糕的CUDA 10.0和cuDNN 7.3版本我真的很想在我新建的機器上試用它。問題是pip包TensorFlow 1.11rc不支援最新的CUDA版本,我需要從原始碼構建它。整個過程對我來說相當痛苦,最後我完成了它後,我決定再次完成所有步驟並在空的Ubuntu機器上從頭開始設定。 我的

ubuntutensorflow-gpu環境搭建(通過anaconda,需預先手動安裝(或環境含有)cudacudnn

第一步 創造一份conda環境 conda create -n tensorflow python=3.6 第二步 啟用tensorflow環境 source activa

Ubuntu下配置TensorFlow-Gpu版,其對應CUDAcuDNN版本

TensorFlow官網安裝指導介面提示“執行支援 GPU 的 TensorFlow 所需滿足的 NVIDIA 要求” 檢視機器CUDA、cuDNN版本命令分別是: cat /usr/local/cuda/version.txt cat /usr/local/cuda

windows 上面的tensorflow-GPUcudacudnn 安裝

atm search 容易 oca api RM run correct 既然 安裝說明 平臺:目前可在Ubuntu、Mac OS、Windows上安裝 版本:提供gpu版本、cpu版本 安裝方式:pip方式、Anaconda方式 Tips: 在Windows上目前支持p

工作筆記-服務器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu環境搭建

應該 .bashrc run imp $path 系列 per 退出 一個 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

(UEFI模式下)Win10安裝Ubuntu雙系統 Ubuntu18.04 安裝Cuda10、CudnnTensorflow-gpu

Ubuntu 18.04 LTS  一、電腦配置: CPU :i7-8700k 3.7G GPU:Intel(R) HD Graphics 630            

阿里雲GPU伺服器配置深度學習環境-遠端訪問-centos,cuda,cudnn,tensorflow,keras,jupyter notebook

一、準備工作: 1、阿里雲相關設定: 先給阿里雲賬戶充值100元。 選擇阿里雲ECS雲伺服器     搜尋:CentOS 7.3(預裝NVIDIA GPU驅動和深度學習框架)       安全組新增8888許可權

{專業親測,一次就好}Ubuntu16.04+Cuda.9.0+cudnn.7.1+tensorflow-gpu+opencv.3安裝步驟

Ubuntu16.04+Cuda.9.0+cudnn.7.1+tensorflow-gpu+opencv.3安裝步驟 相信很多同學在接觸深度學習的時候滿懷熱情,但是卻在安裝cuda+cudnn+各種深度學習的框架時接近崩潰,走了很多彎路,這篇博文是我在重新裝了系統以後寫下的博文,也讓後面的同學少