Ubuntu16.4+cuda9.0+cudnn7.4+tensorflow1.7环境搭建

最新推荐文章于 2024-08-21 16:57:06 发布

Jimory

最新推荐文章于 2024-08-21 16:57:06 发布

阅读量1.5k

点赞数

分类专栏：深度学习文章标签： Tensorflow环境安装

本文链接：https://blog.csdn.net/Jimory/article/details/85061782

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

首先安装Anaconda

在Anaconda官网安装Anaconda相应的版本。
运行如下命令bash Anaconda3-4.2.0-Linux-x86_64.sh（对应本文下载的Anaconda版本）
一直确认，直到出现提示 Anaconda3 install Location to PATH in your /home/用户名/.bashrc?[yes|no]？。意思是要将anaconda加入到环境变量，以后Python默认版本变为该版本Python

安装CUDA

在NVIDIA官网下载对应版本的cuda，如果以前没有安装过cuda，可以下载.deb文件，如果已经安装过，则下载.run文件。推荐使用.run文件，可以安装指定版本的cuda，否则总是要求安装最新的，或者不能在已有高版本的情况下，安装低版本。
下载之后，按照官网提示的安装命令安装
安装后重启电脑，在usr/local/cuda/samples目录下运行sudo make all命令
如果成功，则提示Finished building CUDA samples
之后进入usr/local/cuda/extras/demo_suite文件夹下运行./deviceQuery

安装cudnn

进入cudnn官网(需要先注册账号），下载对应cuda的cudnn版本
在下的目录进行解压tar -zxvf cudnn-9.0-linux-x64-v7.4.2.24.tgz
解压后会出现名为cuda的文件夹，其中里面有lib64和include两个文件夹

执行

sudo cp lib64/libcudnn* /usr/local/cuda/lib64
sudo cp include/cudnn.h /usr/local/cuda/include

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.7.4.2(自己的版本号）
sudo ln -s libcudnn.so.7.4.2 libcudnn.so.7
sudo ln -s libcudnn.so.7.4.2 libcudnn.so
sudo ldconfig

更新软连接，如果出现已有软连接，则百度一下，删除原来软连接

在~/.bashrc文件里加入环境变量

export PATH="/home/用户名/Anaconda/python/bin:/usr/local/cuda-9.0/bin:$PATH"
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CPUTI/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-9.0

加入后，执行source ~/.bashrc更新

安装Tensorflow

使用清华源下载安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow（CPU版本）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.7（GPU版本，可以自己指定版本号）

使用网上的例子测试tensorflow是否安装成功，且是使用GPU训练

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

结果为下所示，则成功，并且用GPU训练

Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: Tesla K40c, pci bus
id: 0000:05:00.0
b: /job:localhost/replica:0/task:0/device:GPU:0
a: /job:localhost/replica:0/task:0/device:GPU:0
MatMul: /job:localhost/replica:0/task:0/device:GPU:0
[[ 22.  28.]
 [ 49.  64.]]