Ubuntu18.04 Tensorflow-gpu==1.14安装

最新推荐文章于 2023-12-29 01:37:33 发布

没错是长青呀

最新推荐文章于 2023-12-29 01:37:33 发布

阅读量2.2k

点赞数

分类专栏：基础环境构建文章标签： ubuntu cuda tensorflow cudnn linux

本文链接：https://blog.csdn.net/fulin9452/article/details/111560913

版权

基础环境构建专栏收录该内容

3 篇文章 0 订阅

订阅专栏

版本信息

系统版本：ubuntu 18.04
系统架构：x86_64
nvidia driver 驱动版本：NVIDIA-Linux-x86_64-440.100 （GPU：2080TI）
CUDA版本：10.0
cuDNN：7.6.4
gcc:4.8.5
tensorflow-gpu:1.14.0

nvidia

禁用nouveau

sudo vim /etc/modprobe.d/blacklist.conf 在文本最后添加：

 blacklist nouveau
 options nouveau modeset=0

然后执行：sudo update-initramfs -u

重启机器后，执行以下命令，如果没有屏幕输出，说明禁用nouveau成功：lsmod | grep nouveau

驱动下载

官网下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

卸载旧驱动

重启后，使用快捷键进入文本模式，然后输入用户名密码就可：Ctrl-Alt+F1 || 或使用SSH连接

执行以下命令禁用X-Window服务，否则无法安装显卡驱动：sudo service lightdm stop || 有可能没安装lightdm，则直接跳过

执行以下命令卸载原有显卡驱动：注意匹配自己下载的驱动版本

 sudo apt-get remove --purge nvidia*
 sudo apt-get autoremove
 sudo chmod +x NVIDIA-Linux-x86_64-4**.**.run    # 源显卡驱动  
 sudo ./NVIDIA-Linux-x86_64-4**.**.run --uninstall # 默认即可

重启

安装新驱动

执行驱动文件即可安装新驱动，一直默认即可：

sudo ./NVIDIA-Linux-x86_64-440.100.run -no-opengl-files

执行以下命令启动X-Window服务

sudo service lightdm start

最后执行重启命令，重启系统：

sudo reboot

gcc

查看gcc版本:gcc --version
若gcc版本太高就更改版本：sudo apt-get install gcc-4.8 g++-4.8
切换gcc版本：sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100
激活生效：sudo update-alternatives --config gcc

CUDA

驱动下载

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

驱动安装

sudo chmod a+x ....run

sudo ./...run

  Do you accept the previously read EULA?   # ctrl+c 可加快速度
  accept/decline/quit: accept
  
  Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
  (y)es/(n)o/(q)uit: n
  
  Install the CUDA 10.0 Toolkit?
  (y)es/(n)o/(q)uit: y
  
  Enter Toolkit Location
   [ default is /usr/local/cuda-10.0 ]: 
  
  Do you want to install a symbolic link at /usr/local/cuda?
  (y)es/(n)o/(q)uit: y
  
  Install the CUDA 10.0 Samples?
  (y)es/(n)o/(q)uit: y
  
  Enter CUDA Samples Location
   [ default is /home/user ]:

# 安装结果
- Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-10.0
Samples:  Installed in /home/***, but missing recommended libraries
  Please make sure that
  - PATH includes /usr/local/cuda-10.0/bin
  - LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-10.0/lib64 to /etc/ld.so.conf and run ldconfig as root
  To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-10.0/bin

添加环境变量

vim ~/.bashrc

  # >>> coda initialize >>>
  export PATH="/usr/local/cuda-10.0/bin:$PATH"
  export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64/:$LD_LIBRARY_PATH"
  # <<< coda initialize <<<

激活生效：source ~/.bashrc
nvcc --version查看版本信息是否一致

测试
- cd ~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery
- sudo make
- ./deviceQuery
- 显示PASS即通过

CUDNN

驱动下载

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

驱动安装

方案一：下载.tgz 文件，复制：

解压 sudo tar -xvf cudnn-10.0-linux-x64-v7.6.5.32.tgz

复制文件

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*

测试

 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  #查看cudnn的版本

方案二：下载DEB文件，并安装(建议ubuntu用户使用该方案)：

下载cudnn DEB文件安装

 sudo dpkg -i libcudnn7_7.6.4.38-1+cuda10.0_amd64.deb      #安装cudnn-runtime库
 sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda10.0_amd64.deb  #安装cudnn-developer库
 sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda10.0_amd64.deb  #安装cudnn代码样本和使用者指引

测试

 # 测试cudnn
 cp -r /usr/src/cudnn_samples_v7/ $HOME                 #拷贝测试样例到主文件夹
 cd  $HOME/cudnn_samples_v7/mnistCUDNN                  #进入样例下的mnistCUDNN目录
 make clean && make                                     #编译mnistCUDNN样例
 ./mnistCUDNN                                           #运行编译好的mnistCUDNN样例
 # Test passed 即为通过

make过程中如遇到WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.-->，可能没创建cuda文件夹的软连接，如检查缺失没有, sudo ln -s cuda-10.0/ cuda 创建软连接重试即可

Anaconda

安装步骤

sudo sh A...sh
Do you accept the license terms? [yes|no] yes
path choose default
by running conda init? [yes|no] yes
source ~/.bashrc

源设置
1. 首先将对应镜像源的地址通过 conda config --add 命令加入 conda 的 channel 列表中，可以选择添加整个镜像源的地址或只添加与 pytorch 相关的镜像源的地址。(或者更傻瓜的方式，将 ~/.condarc 文件备份后，将清华 Anaconda 镜像源页面中的配置文件内容复制至 ~/.condarc 文件中)
```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/    　　　#添加整个镜像源的地址
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/     #添加镜像源中 pytorch 对应的地址
```
2. 通过 conda config 命令设置使用 conda 进行软件包下载时显示软件包的 url 地址，这样就可以看到下载软件包的时候是否是从国内镜像源下载。具体命令为 conda config --set show_channel_urls yes。（Windows 环境中用户主目录下会生成对应的 .condarc 文件，里面保存一些与源相关的信息）
  
  conda config --set show_channel_urls yes #下载时显示软件包的来源
3. 通过 conda config --show-sources 命令查看添加的软件源，确定是否添加有效。
  
  conda config --show-sources #查看已有的软件源

Tensorflow

安装

pip install tensorflow==1.14.0
pip install tensorflow-gpu==1.14.0

测试

# python环境
import tensorflow as tf
tf.test.is_gpu_available()
# 最后显示True即可调用gpu

奇奇怪怪的问题

设置固定IP后，修改DNS
sudo make 报错 g++: No such file or directory
缺少配置g++
anaconda无权限

开放anaconda安装文件夹权限： sudo chown -R user /home/ubuntu/anaconda3
WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.
- 缺少cuda软链接
- sudo ln -s cuda-10.0/ cuda
pip No such file or directory: ‘c++’

尝试升级pip版本
numpy与tensorflow版本问题
- 警告信息： FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
- pip install -U -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.16.0
- tensorflow numpy cuda cudnn
  1.14 1.16.0 10.0 7.6.4
WARNING:root:Limited tf.compat.v2.summary API due to missing TensorBoard installation.

重新安装tensorboard