阅读 637

Ubuntu Anaconda安装TensorFlow-GPU

Ubuntu Anaconda安装TensorFlow-GPU

目前时间是2017.10.22,目前的CUDA最新版本是CUDA9TensorFlow的版本是1.3,一开始安装CUDA9,后来发现TensorFlow不支持,网上有人说可以通过源代码安装TensorFlow,但是我觉得太麻烦了,后来就换了CUDA8,中间遇到了很多版本不对应所产生的问题,下面详细列一下本次安装所使用的安装包的版本号:(亲测可安装成功)

  • CUDA: cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
  • cudnn: cudnn-8.0-linux-x64-v5.1.tar
  • Anaconda: Anaconda3-5.0.0.1-Linux-x86_64.sh

一、安装准备

CUDA下载

cudnn下载

Anaconda下载

在实际的安装过程中,发现目前最新的版本 Tensorflow 并不能支持,后来折腾了好久,才找到上面提到的那几个对应的安装包,百度网盘分享链接,密码:8lpv

二、安装 NVIDIA 驱动

首先打开 terminal,输入一下指令,更新应用列表

sudo apt-get update
复制代码

多亏了Linux社区的强大支持,我们可以用很简洁的方式安装驱动:

  • 按下win按键,打开菜单

  • 然后在上方的type to search中输入:additional drivers打开 "additional drivers —— 附加驱动",然后选择 与自己显卡匹配的NVIDIA驱动,我这里是 using nvidia binary drivers (375)

  • 然后选择 应用更改,这里安装可能会失败,此时你可以继续选择应用更改,多安装几次即可。

  • 安装完成后,选择restart

三、gcc 降版本

CUDA8.0 不支持gcc 5.0及以上的编译器,而系统自带的是5.4及以上版本,因此我们需要降版本,否则会在后面报错。

terminal中输入如下指令,将gcc版本降到 4.9

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++ 
复制代码

四、安装 CUDA 8.0

进入cuda安装包所在文件夹,右键打开终端,在终端中输入以下代码

# 根据官网上的提示安装 cuda 8.0
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda​
复制代码

五、安装 cudnn

cudnn-8.0-linux-x64-v5.1.tar解压,右键打开终端,在终端中输入以下代码

sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 将头文件复制进去
复制代码

六、配置CUDA环境变量

开启 GPU 支持:

根据官网教程,我们在terminal中键入下列命令:

sudo gedit ~/.bash_profile # 打开.bash_profile 这是用户的环境变量,不是全局的
复制代码

然后在打开的文本末尾加入:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
复制代码

保存并关闭后,输入下列命令使环境变量生效:

source ~/.bash_profile # 使被更改的环境变量生效
复制代码

安装完成后,一定要通过如下两条命令对驱动进行检验:

  1. NVIDIA的设置界面

    nvidia-settings # 打开 NVIDIA 设置界面
    复制代码

NVIDIA设置.png

  1. NVIDIA GPU列表

    nvidia-smi # 这条指令会在 terminal 中产生GPU列表
    复制代码

GPU列表.png

网上有些人抄别人的博客,说nvcc -V就可以验证,经过大神实测,存在nvcc -V正常输出但是驱动仍安装失败的现象,因此,上述验证方法是不可信的。

七、安装Anaconda

进入anaconda安装包所在目录,打开终端,根据版本输入安装命令:

bash Anaconda3-5.0.0.1-Linux-x86_64.sh 
复制代码

回车后,是许可文件,接收许可,anaconda将安装在~/anaconda目录下,直接回车就好。

最后会询问是否把anacondabin添加到用户的环境变量中,选择yes

安装成功以后,在终端输入

source ~/.bashrc
复制代码

.bashrc中添加的路径生效。

当然,你也可以手动完成环境变量的修改:

  • 首先打开环境变量的文件

    gedit ~/.bashrc
    复制代码
  • 然后在文件末尾加入 anaconda3 的路径

    export PATH=/home/你的路径/anaconda3/bin:$PATH
    复制代码
  • 最后使我们的改动生效

    source ~/.bashrc
    复制代码

这样,我们在terminal中输入python就会默认打开anaconda3里默认的python

八、安装Tensorflow-GPU

创建Tensorflow的运行环境

conda create -n tensorflow python=3.5
复制代码

激活环境,使用 pip 安装 TensorFlow-GPU

source activate tensorflow
pip install tensorflow-gpu keras # 安装 gpu 版本的 tensorflow 和 keras
复制代码

安装完成后,我们使用如下命令,即可检验是否成功:

python -c "import keras"
复制代码

如果看到如下输出,就说明安装成功

安装成功输出.png

参考文章

Ubuntu 安装 tensorflow-gpu + keras

Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3

CUDA 9.0 + cuDNN 7.0 + Tensorflow源码编译

文章分类
人工智能
文章标签