第一步: 到nvidia官网下载并安装cuda ,到/etc/profile配置环境变量
第二步: 到nvidia官网下载并安装cudnn,用于GPU加速
第三步: 到nvidia官网下载并安装tensorrt用做GPU加速
第四步: 下载相应的深度学习框架GPU版本,如tensorflow-gpu keras-gpu(推荐用conda安装,因为conda能很完美解决依赖问题,避免pip3不成熟,无法完成依赖的安装)
第五步: 下载并安装GPU系统驱动,以ubuntu 16.4系统为例,用ubuntu-drivers devices
查看系统显卡支持的驱动,在下列下表中找到推荐(recommend)的驱动版本号进行安装。
第六步: 编写tensorflow-gpu实验代码,进行gpu测试。一般情况下,在keras和pytorch中都可以指定使用GPU块数,或者具体使用某个固定的GPU
总结:
如果有遇到问题,参考nvidia官网指定步骤一步一步走。如果依然有问题可以根据以上步骤逐步排查