当前,大多神经网络计算库兼容cuda8.0, 执行以下步骤将建立一个ubuntu16.04+cuda8.0环境
1. 下载安装文件
从官方网站下载ubuntu16.04 操作系统iso文件
2.刻录可引导USB盘
利用rufus.exe将iso安装映像刻成一个可引导USB盘。刻录时最好选择DD方式。rufus是一个免费软件。
3. 将USB插入需要安装的计算机,开机,按住F12,选择USB启动,根据提示安装
4. 完成后进入系统,sudo swd root,更改root密码
5.安装NVIDIA显卡
sudo apt-get purge nvidia*
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390 nvidia-settings
(注:nvidia-390是驱动程序版本号,可以根据需要更改成nvidia-???)
安装完毕后重启电脑,运行nvidia-smi,查看生效的显卡驱动
6. 下载cuda8.0
7.安装cuda8
e Installation Instructions: |
|
patch installation:
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cub-performance-update_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get upgrade cuda
(现在可以开始建立虚拟环境,把以下设置放在虚拟环境中。如果同一台服务器安装多种版本的cuda,可能通过虚拟环境来管理)
在/ .shrc中设置环境变量
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export CUDA_HOME=/usr/local/cuda
运行 source ~/.hrc 使其生效
8.安装cudnn
cudnn6.0和cuda8.0兼容最好,在: https://developer.nvidia.com/rdp/cudnn-download 下载cudnn6.0
cd /usr/local/cuda 1. Install Runtime library sudo dpkg -i $(runtime library deb) 2. Install developer library sudo dpkg -i $(developer library deb) 3. Install code samples and user guide sudo dpkg -i $(document library deb)
以下是运行结果:
Selecting previously unselected package libcudnn6-dev.
(Reading datae ... 193070 files and directories currently installed.)
Preparing to unpack .../libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb ...
Unpacking libcudnn6-dev (6.0.21-1+cuda8.0) ...
Setting up libcudnn6-dev (6.0.21-1+cuda8.0) ...
update-alternatives: using /usr/include/x86_64-linux-gnu/cudnn_v6.h to provide /usr/include/cudnn.h (libcudnn) in auto mode
9.测试cuda环境
cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery
./deviceQuery
10.建立虚拟环境
Install pip and virtualenv for Ubuntu 16.04LTS Maverick and newer,输入下面命令
$ sudo apt-get install python-pip python-dev build-essential $ sudo pip install --upgrade pip $ sudo pip install --upgrade virtualenv
virtualenv -p /usr/bin/python3.5 lungct
在activate文件增加PATH和LD_LIBRARY_PATH变量
注:tensorflow-gpu==1.3和cuda7.5兼容,tensorflow==1.5和cuda9.0兼容,如果安装tensorflow==1.5, 系统没有安装cuda9.0, import时将报错。
最后配置:
nvidia-384
cuda8.0
cudnn6.0
python3.5
tensorflow==1.3
numpy==1.14.5(这是可以接受的最大版本号)
附注:利用Xserver访问服务器方法:Xquartx2.7.11 , ssh -X user@server
在python 测试GPU的可用性:
import
tensorflow as tf
sess
=
tf.Session(config
=
tf.ConfigProto(log_device_placement
=
True
))
如果列出GPU则可用。