Ubuntu18.04+CUDA9.0+cuDNN7.1.3+TensorFlow1.8 安裝總結
Ubuntu18.04+ Tensorflow1.8 安裝總結
Ubuntu18.04發行已經有一段時間了,正好最近Tensorflow也釋出了1.8版本,於是決定兩個一起裝上,以下是安裝總結,大致可以分為5個步驟
- 確認當前軟體和硬體環境、版本
- 更新顯示卡驅動,軟體版本準備
- CUDA 9.0 ToolKit安裝
- cuDNN7.1.3 for CUDA9.0安裝
- TensorFlow GPU 安裝
- Test it!
1.確認硬體軟體環境、版本
系統版本,Ubuntu18.04 自然沒什麼好說的, 使用指令sudo lsb_release -a
,得到以下輸出結果
No LSB modules are available.
Distributor ID:Ubuntu
Description:Ubuntu
Codename:bionic
GCC和G++ 版本,18.04的ubuntu預設的是7.0,同時也有附帶安裝6.0,不過我們這次安裝需要更低版本的GCC以及G++
gcc --version 檢視GCC版本號 gcc (Ubuntu 7.0 -4ubuntu8) 7.0
g++ --version 檢視G++版本號 g++ (Ubuntu 7.0-4ubuntu8) 7.0
我選擇採用的是4.8版本gcc和g++,後面給出降級方法。
英偉達顯示卡驅動版本, 使用nvidia-smi
可以得到相關資訊,我使用的是GTX970顯示卡,驅動已經更新到390.48版本。
Python 版本, python2 –version 和 python3 –version, 應該對應2.7+ 和 3.6+版本了都,預設較新版本,可以忽略。
2.更新顯示卡驅動,軟體版本準備
主要是更新顯示卡驅動,以及降級預設GCC/G++版本.
如果是已經裝過NVIDIA顯示卡驅動,通過以下指令升級
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-390
如果有NVIDIA顯示卡,但是沒有安裝過顯示卡相應驅動,CUDA Toolkit中會有整合的384版本驅動,需要關閉圖形介面到指令行介面安裝,相關方法請上網查詢。
GCC降級
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
裝完後進入到/usr/bin目錄下
1 $ls -l gcc*
會顯示以下結果
lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.0
發現gcc連結到gcc-7.0, 需要將它改為連結到gcc-4.8,方法如下:
sudo mv gcc gcc.bak #備份
sudo ln -s gcc-4.8 gcc #重新連結
同理,對g++也做同樣的修改:
ls -l g++*
lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.0
需要將g++連結改為g++-4.8:
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++
再檢視gcc和g++版本號:
gcc -v g++ -v
均顯示gcc version 4.8 ,說明gcc 48.8安裝成功。
3.CUDA ToolKit 安裝
CUDA 到CUDA9.0 下載頁面下載runfile(最近NVIDIA官網被停)安裝,Tensorflow官網給的暫時還是9.0版本,新版本可以嘗試一下.穩妥起見,這裡選擇9.0。
下載9.0安裝包和2個補丁包之後,
~/Downloads 資料夾應該有 以下三個檔案
ls |grep cuda_9.0
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176_384.81_linux.run
在確認GCC版本在4.8後, 直接輸入以下指令
sh cuda_9.0.176_384.81_linux.run --override
執行,如果有安裝了顯示卡驅動的,注意在提問是否安裝顯示卡驅動時選擇no,其他 選擇預設路徑或者yes即可。 如果沒有安裝顯示卡驅動,需要退出圖形介面,到命令列終端安裝,這裡不再贅述。
安裝完成後,可能會得到提示,CUDA 安裝不完整,這是因為顯示卡驅動沒有安裝,這裡忽略掉。同樣的方法安裝兩個補丁包.
sh cuda_9.0.176.1_linux.run
sh cuda_9.0.176.2_linux.run
安裝完畢之後,將以下兩條加入.barshrc
檔案中.
sudo vim ~/.barshrc
export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
4.cuDNN7.1.3安裝
cuDNN 到 cuDNN 官網頁面下載即可,這裡注意要選擇對應CUDA9.0的軟體包, 下載完畢後,切到預設的Downloads資料夾,可以看到 cudnn-9.0-linux-x64-v7.1.tgz 壓縮包
先解壓,後複製到CUDA安裝資料夾裡面.
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
完成後,可以到~/NVIDIA_CUDA-9.0_Samples/資料夾下測試CUDA功能完整性。這裡參照CUDA Getting Start測試即可。一般都會在結果輸出Test pass 欄位。
5.Tensorflow 安裝
這裡選擇的是在本機上安裝Tensorflow,其他安裝方式可以參照官網介紹。
pip install tensorflow-gpu
預設安裝最新版本1.8,如果要安裝教老版本, 上述指令後面加上==$版本號
即可。
6.驗證測試
在python3 中輸入以下程式碼
>>> import tensorflow as tf
>>> hello = tf.constant('hello tensorflow')
>>>with tf.Session() as sesh:
... sesh.run(hello)
輸出結果應該是hello tensorflow
,並且附帶上GPU相關資訊。
至此安裝過程全部完成。
相關推薦
Ubuntu18.04+CUDA9.0+cuDNN7.1.3+TensorFlow1.8 安裝總結
Ubuntu18.04+ Tensorflow1.8 安裝總結 Ubuntu18.04發行已經有一段時間了,正好最近Tensorflow也釋出了1.8版本,於是決定兩個一起裝上,以下是安裝總結,大致可以分為5個步驟 確認當前軟體和硬體環境、版本 更新顯
ubuntu18.04+CUDA9.0+cuDNN7.1.4+tensorflow1.9 環境搭建
1. 主機配置說明 在前幾天,得知公司新採購了幾臺主機,所以我們組領導就向公司申請了一臺回來,做資料分析。 伺服器買的是惠普的主機,型號是:HP EliteDesk 800 G3。不算強勁,但用來做GPU的資料分析測試,也可以了。具體引數:CPU:i7-7700記憶體: 32G顯示卡: GTX 1070硬
Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度學習環境配置
uri onf 設備 har import strong sof 比較 理論 目錄 一、Ubuntu18.04 LTS系統的安裝 1. 安裝文件下載 2. 制作U盤安裝鏡像文件 3. 開始安裝 二、設置軟件源的國內鏡像 1. 設置方法 2.關於ubuntu鏡像的小知識
固態、機械雙硬碟+UEFI、APT+Win10、Ubuntu18.04LTS雙系統+GTX 1080i+Cuda9.0+cudnn7.1.4+Tensorflow1.12
1、在Win10上裝Ubuntu18.04LTS雙系統 SSD 250G + 機械硬碟1t。我將SSD分出一部分作為C盤裝win10系統,剩餘100G不分割槽以備全部裝linux; 機械硬碟整個作為一個區,用於win10系統下安裝個人軟體和儲存文件。兩個硬碟都
TensorFlow安裝(Ubuntu18.04+Anaconda3+CUDA9.0+cuDNN7.1+TensorFlow1.8.0+Pycharm)
vat art bashrc linux. pychar courier 類型 height 文件夾 p { margin-bottom: 0.1in; line-height: 115% } a:link { } 1.安裝pip (1)安裝 sudo apt-get in
ubuntu tensorflow install(Ubuntu16.04+CUDA9.0+cuDNN7.5+Python3.6+TensorFlow1.5)
環境 war mod -s 教程 lan bashrc 科學 分享圖片 在網上找了很多案例,踩了許多坑,感覺比較全面的是下面介紹的 http://www.cnblogs.com/xuliangxing/p/7575586.html 先說說我的步驟: 首先安裝了Anaco
ubuntun16.04+cuda9.0+cudnn7+anaconda3+pytorch+anaconda3下py2安裝pytorch Anaconda3+python3環境下如何建立python2環境(win+Linux下適用,同一個anaconda下py2/3共存)
一、電腦配置 說明: 電腦配置: LEGION筆記本 CPU Inter Core i7 8代 GPU NVIDIA GeForce GTX1060 Windows10 所需的環境: Anaconda3(64bit)CUDA-9.0CuDNN-7.1 二、安裝c
Ubuntu 下安裝CUDA(安裝:NVIDIA-384+CUDA9.0+cuDNN7.1)
rate lob dimen 申請 brush snappy clu edit 表示 (安裝:NVIDIA-384+CUDA9.0+cuDNN7.1) 顯卡(GPU)驅動:NVIDIA-384 CUDA:CUDA9.0 cuDNN:cuDNN7.1 Ubuntu 下安裝CU
【TensorFlow】Win10+TensorFlow-gpu1.9.0+CUDA9.0+cudnn7.1.4(2018/11/02)
折騰了一天多,終於配置成功了orz 本篇文章是2018年11月2日寫的,Win10,顯示卡為960M 下載版本為:(請注意相容性) Anaconda3 5.3.0 TensorFlow-gpu 1.9.0 CUDA9.0 cu
【經驗】gtx1080 顯示卡 cuda9.0 cuDNN7.1 tensorflow 安裝教程
背景 機器:dell xps8920 系統:Ubuntu16.04(amd64) 顯示卡:gtx1080 python版本:python3.6 安裝CUDA9.0 舊版本清理 sudo ./uninstall_cuda_*.pl 官網下載cuda9.0 &n
ubuntun16.04+cuda9.0+cudnn7+anaconda3+pytorch+anaconda3下py2安裝pytorch
uname title book inf nbsp 依賴 dia sam 更改 一、電腦配置 說明: 電腦配置: LEGION筆記本CPU Inter Core i7 8代GPU NVIDIA GeForce GTX1060Windows10 所需的環境:
Ubuntu16.04+CUDA9.0+CUDNNv7.1+opencv3.4.0+anaconda3+Matlab 2017a+caffe安裝
Ubuntu16.04+CUDA9.0+CUDNNv7.1+opencv3.4.0+anaconda3+Matlab 2017a的相關安裝配置參見之前的部落格。 接下來直接進入caffe的安裝配置環節
caffe-SSD 安裝、訓練、SSD測試(ubuntu18.04+cuda9.0+openvc3.4)
安裝及MNIST模型測試、matlab caffe介面測試 https://blog.csdn.net/qq_35608277/article/details/84938244 自己看程式碼提供者的最直接,大家都是根據他的copy的: https://github.com/weili
win10環境下使用Anaconda3配置安裝TensorFlow-gpu-1.11(win10+Python3.6+vs2015+CUDA9.0+cuDNN7.1+anaconda3+Spyder)
前言 入坑AI,安裝TensorFlow學習深度學習,網上有很多安裝方法,在這裡僅記錄我的安裝方法以及在安裝過程中踩到的各種坑,以便在以後因故重新安裝時供自己回顧使用。(多圖長文) 安裝準備 軟體準備:
Mask R-CNN訓練自己的資料集在win10上的踩坑全過程:CUDA9.0+CUDNN7.1.4+Tensorflow-gpu1.9.0+keras-gpu2.2.4
基礎配置 首先你需要在win10上下載Git(用於我們在github上面下載原始碼)和MinGW(方便我們在win10上也能用linux的make操作命令)。 接著你要下載cuda9.0和cudnn7.1來繫結你的windows的Nvidia 接著你需要在win10上面安裝an
Ubuntu18.04 + CUDA10.0 + CUDNN7 一鍵配置指令碼
最近實驗過程中,難免有時候電腦故障,多次故障導致重灌系統時非常不方便,因此寫指令碼完成系統安裝後的驅動安裝和相關的程式安裝過程。 軟體配置如下: nvidia-driver-410 cuda-10.0 cudnn-7 docker-ce nvidia-docke
win10 + python3.6 + tensorflow-gpu 1.8 下安裝 CUDA9.0 +CUDNN7.1.4
1.使用anaconda建立tensorflow環境,我的筆記本有塊gtx 765顯示卡,所以使用的是tensorflow gpu,並更新到1.8版本 2.官網更新最新顯示卡驅動,安裝cuda9.0 精簡安裝即可 解壓後複製到CUDA
Ubuntu16.04+CUDA9.0+cuDNN7+python2.7+Tensorflow12+opencv3.4.0+Matlab2015b+Caffe(GPU)
所用安裝包連結等稽核通過了我貼上,收了一個金幣,包含cuda9.0+cuDNN7.4.1+Matlab2015b+opencv3.4.0+caffe原始碼 1 禁用nouveau 重啟系統,在選擇系統的介面安鍵盤“e”,將倒數第二行的quiet splash -- 改為 qu
Win10環境下安裝TensorFlow-GPU1.11.0+cuda9.0+cudnn7.1.4
概要 TensorFlow這東西自打本科畢業設計開始就和它槓上了,很長的時間都是處於安裝解除安裝的死迴圈。經過反覆的試錯,找部落格,總算找到了一些竅門。現在分享給大家。雖然是經驗,但也只能當做參考。TensorFlow的GPU版本的安裝說實在的就是看機器,看運氣
win10+Anaconda3+tensorflow(gpu)+cuda9.0+cudnn7.1+ide(sublime)+好用的科學工具包配置
1、下載科學工具包(類似jdk、sdk的東東)①Anaconda3選取電腦對應的系統,建議下載3的最新版本②在環境變數中再新增Scripts地址 樣例如下下載之後基本上常用的科學工具包都會有比較常用的numpy、matplotlib、scikit-learn、pandas、O