安装cuda10.0+cudnn7.4+tensorflow-gpu
最终目的是为了安装tensorflow-gpu版本,如果不需要gpu版本的可以直接用pip进行安装即可。否则需要安装nvidia的cuda和cudnn。
cuda-cudnn-tensorflow-gpu版本对应表
0. 卸载cuda老版本
- 先卸载老版本内容. 我之前用的9.0, 如果上一次是默认安装,整个安装目录应该是
/usr/local/cuda-9.0
. - 卸载命令很简单:
sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
- 上一步删除过程大约1分钟, 最后也可以通过
sudo rm -rf /usr/local/cuda-9.0/
完全清除残留文件 - 清除
~/.bashrc
中的环境配置**
1.1 CUDA Toolkit下载和安装
下载地址:https://developer.nvidia.com/cuda-toolkit-archive。
- 选择 linux --> x86_64 --> Ubuntu --> 16.04 --> runfile(local)
也可以选择下载deb文件,但有时候终端网络很慢, 不如直接下载runfile到本地安装, 个人感觉安装最快。
- 下载完成后在文件目录下打开终端,根据下载页面的安装指令进行安装。
- 在终端输入
sudo sh cuda_10.0.130_410.48_linux.run
后。待说明出现一直按住space
键,一直到最终进度到了100%。 - 最终有5个选择需要输入:(这里面有几步会询问安装地址,这里都选择默认)
- accpet
- n(不要安装显卡驱动,最好单独安装)
- y
- y
- y
如果安装顺利,会在/usr/local/
下生成cuda/
和cuda-10.0
两个文件夹
- 设置环境变量:
export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH
环境变量更新:
source ~/.bashrc
- 检查CUDA是否安装成功:终端中运行
nvcc -V
查看版本信息。
安装CUDNN
下载地址:https://developer.nvidia.com/rdp/cudnn-archive
- 选择合适的版本,注意和CUDA相匹配。本文中选用
cuDNN_v7.4.1_for_CUDA_10.0
(7.4是老版本了,可以尝试当前更新版本)。 - 下载“cuDNN Library for Linux”.
- 在下载目录下的终端中将cuDNN文件复制到CUDA中并赋予执行权限:
tar xvzf cudnn-... #解压文件
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
# 以上是将文件复制在CUDA安装地址中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
# 以上是通过`chmod a+r`赋予所有人有对文件的可执行权限
CUDA和cuDNN的关系:
- CUDA是运算平台,是由NVIDIA推出的通用并行计算架构
- cuDNN是用于深度神经网络的GPU加速库.可以集成到Tensorflow、caffe中
- 想要在CUDA上运行深度神经网络,就要安装cuDNN
- 更多解释和细节可以参考 https://www.cnblogs.com/marsggbo/p/11838823.html
安装Tensorflow-gpu版
直接可以用pip3安装, 注意环境问题
sudo pip3 install tensorflow-gpu==1.10.0 #建议指定版本安装,注意加上sudo.
验证安装信息
查看cuda版本:
- 通过cat版本文件进行查看
cat /usr/local/cuda/version.txt
- 通过nvcc命令查看
nvcc -V
查看cuDNN版本:
- 通过cat头文件内容并grep版本信息
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2