深度学习环境搭建:.4.0+.04+.5+Cuda8.0+.0
目录
硬件说明:
显卡:gtx-1080,8G显存
1b80
软件准备:
深度学习环境一定要适配,不是版本一定要匹配,这些库之间是有依赖关系的。
我的环境是:
16..5 #不能完全支持3.6版本,3.5比较稳定cuda8.0 #目前.04支持cuda版本8.0 比较好,对 cuda9.0 不是很友好,所以我们选择 Cuda8…4.01. 安装.04
从官网下载镜像,用U盘安装。
安装完成后更新系统。
sudo apt-get update
sudo apt-get upgrade
2.安装显卡驱动
可以参考
个人测试可用,但需要注意你需要去官网下载适合你电脑的版本(网页可以自己测量你电脑需要的型号)。具体安装过程请参考上述博客。
重启电脑,通过-smi命令查看驱动信息。如果显示成功,说明驱动安装成功
3.安装 Cuda8.0
从官网下载相应的CUDA版本。官网最新版本为9.0,但强烈不建议大家使用最新版本。
我们选择linux平台并下载。执行;
sudo ./.0…run
我们已经安装了384,这一步选择n,其余都是yes。
最后,我们需要为我们安装的CUDA配置环境变量才能生效。
(1)打开sudo gedit ~/.,在末尾添加两行如下:
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)设置环境变量和动态链接库,打开sudo gedit /etc/,在文件末尾添加:
PATH=/usr/local/cuda/bin:$PATH
(3)创建链接文件,打开sudo gedit /etc/ld.so.conf.d/cuda.conf,添加到文件中:
/usr/local/cuda/lib64
最后执行 sudo 使以上设置立即生效。
测试 CUDA:
执行以下命令:
cd ~/-8./ /
制作
./
可以查看详细信息,最终结果为Pass,则CUDA安装成功,否则有问题(使用和百度解决)。
4.安装.0
在开发者官网,找到cudnn:的下载页面,在7)中选择”cuDNN v6.0 (April 27, 201 “cuDNN v6.0 for Linux” @>,对于 CUDA 8.0″:
下载后安装很简单,就是解压后复制到对应的系统CUDA路径:
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*
或
sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local
5.清华源码安装
添加以下源加快速度
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
建议选择-4.2.0-Linux-.sh(版本4.2)安装,因为支持.5,通过命令chmod + x -4.2.0-Linux-.sh & ./-4. 2.0-Linux-.sh 可以安装,安装过程按照提示进行即可,比较简单。
6.安装
首先创建一个虚拟环境:
通过发出以下命令激活 conda 环境:
source activate tensorflow
发出以下格式的命令以在 conda 环境中安装:
pip install --ignore-installed --upgrade tensorflow-gpu==1.4.0
7. 要验证您的安装,请运行一个简短的程序
从 shell 调用如下:
$ python
在交互式 shell 中输入以下简短的程序代码行:
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果系统输出如下,你就可以开始编程了:
Hello, TensorFlow!
如果系统输出错误消息而不是问候,请参阅。
8. 卸载 .1 并升级到 .0
1、解压一个名为cuda的文件夹,里面有两个文件和lib64文件夹
2、删除原来的cudnn
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*12
3、安装需要版本的cudnn,在终端cd到新解压的cuda文件夹中
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/文件夹并建立软链接(注意版本号改成自己的)
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、检测
cd /usr/local/cuda/lib64/
ll12
cudnn版本已更新
暂无评论内容