Ubuntu18.04完美搭建Tensorflow-gpu

最新推荐文章于 2024-06-17 16:04:49 发布

guangcheng0312q

最新推荐文章于 2024-06-17 16:04:49 发布

阅读量2.4k

点赞数

本文链接：https://blog.csdn.net/guangcheng0312q/article/details/100117544

版权

640?wx_fmt=png

Ubuntu18.04完美搭建Tensorflow-GPU1.8

0.导语

这是18年的最后一个工作日，为了这篇文章耗费了半天的时间来琢磨！

关于文章更新，后面不能保证每天一篇了，因为要放假回家了，哈哈！

18年回顾

光城

640?wx_fmt=png

请输入

640?wx_fmt=png

文章分享互促共进

640?wx_fmt=gif

坚持分享，互促共进

Persist in sharing and promote mutual progress

共建共助

19年展望

光城

论文复现刷爆offer

640?wx_fmt=png

请输入

640?wx_fmt=gif

坚持刷题，直通Offer

Stick to the brush, go straight to Offer

共助刷题

今天这篇文章主要讲的是，我将我自己的系统全部删除掉，然后装上一个单系统，Ubuntu18.04！

然后在Ubuntu上搭建深度学习环境！

本次搭建环境，主要是在Ubuntu18.04版本，关于Centos系统搭建深度学习环境昨天也尝试了，驱动与cuda都装成功了！但可惜电脑莫名的启动不了了，然后就换成这次的Ubuntu了，总结了一下，发现Ubuntu比Centos简单了很多！

有时需要对自己狠一点，不留后路，就像这次换系统一样，全部卸载掉，只保留一个单Linux系统，让自己在Linux上重燃激情与活力，不断磨炼自己的学习毅力与能力！

1.驱动

1.1 检查

配置深度学习GPU环境之前，首先了解一下自己的GPU是否是CUDA-capable！

lspci | grep -i nvidia

输入上述命令，会看到如下输出：

640?wx_fmt=png

如果有，则支持，否则不支持！

1.2 禁驱动

不管是centos还是ubuntu系统，系统都会自带nouveau驱动，而这个驱动会影响后面的cuda安装，不当操作会出现黑屏现象！

现在来查看一下nouveau设备有没有，输入下面命令，如果有输出，则说明这个驱动正在加载！

lsmod|grep nouveau

我们接下来需要做的工作就是禁用这个驱动！

编辑blacklist.conf配置文件

sudo gedit /etc/modprobe.d/blacklist.conf

尾部追加：

blacklist nouveau  
options nouveau modeset=0

更新配置文件

sudo update-initramfs -u

再次查看驱动是否被加载

lsmod | grep nouveau

上述这个操作不能彻底禁用nouveau，则移除nouveau.ko与nouveau.ko.org文件即可！

如下操作：

cd /lib/modules/4.15.0-29-generic/kernel/drivers/gpu/drm/nouveau 
sudo rm -rf nouveau.ko 
sudo rm -rf nouveau.ko.org

上述4.15.0-29不一定一致，这里直接tab补全就可以了，然后其他的同上！

随后，在做更新

sudo update-initramfs -u

再检查

lsmod | grep nouveau

如果还是有输出，则重启即可，否则没有输出，表示禁用成功！

1.3 安装nvidia驱动

上述原装驱动卸载后，开始装nvidia驱动！

卸载原有nvidia驱动

sudo apt-get remove --purge nvidia-*

安装驱动

有两种方式安装：

第一种方式，直接打开“软件和更新”，然后找到附加驱动，直接选择nvidia驱动安装即可，但是不幸的是网速比较慢，容易出错，所以不建议这种方式安装，我第一次瞎搞，就这样搞，是不行的！

640?wx_fmt=png

第二种方式，也是我建议的方式：

首先确定自己所需要安装的驱动版本：

ubuntu-drivers devices

会看到：

driver : nvidia-340 - distro non-free
driver : nvidia-driver-390 - distro non-free recommended 
driver : xserver-xorg-video-nouveau - distro free builtin

然后来安装驱动，一般看第二行，我们看到有个英文单词recommended，表示建议安装驱动！

sudo apt-get install nvidia-driver-390

上述一键安装即可，安装完后，测试：

nvidia-smi

输出：

640?wx_fmt=png

若显示如上表，则表示驱动nvidia安装成功！

2.Cuda

2.1 版本

关于版本，我选择Cuda9.0!

下载地址：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal

进入上述下载地址后，我们发现选择的Ubuntu系统支持到17.04，我当时也纳闷了，没有18.04，那怎么搞呢？

想了半天不管了，最后果然，没得影响，所以直接按照我下面勾选的下载安装即可，不用纠结！

640?wx_fmt=png

2.2 安装

输入下面命令，进行安装：

sudo sh cuda_9.0.176_384.81_linux.run

中间会提示是否为NVIDIA安装，由于前面安装过了，所以选择no，其余默认即可，安装过程，如果修改了安装路径，请记住，后面配置需要用到！

2.3 环境变量

配置环境变量

sudo gedit  /etc/profile

尾部追加

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

上述保存后，然后重启电脑！

2.4 测试Cuda

依次输入下面命令

cd  /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果显示GPU相应信息，则成功！

如下图所示：

640?wx_fmt=png

额外的库文件安装

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.5 动态链接

编辑~/.bashrc文件

vi ~/.bashrc

尾部追加

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

打开环境配置文件

sudo gedit /etc/profile

尾部追加

export PATH=/usr/local/cuda/bin:$PATH

创建链接文件

sudo gedit /etc/ld.so.conf.d/cuda.conf

添加

/usr/local/cuda/lib64

执行生效

sudo ldconfig

3.CudNN

3.1 版本

cudnn-9.0-linux-x64-v7.tgz

下载地址：

https://developer.nvidia.com/cudnn

需要注册！

3.2 安装

解压并安装

tar -xzvf cudnn-9.0-linux-x64-v7.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h

更新链接

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.7.0.3  # 自己查看.so的版本  
sudo ln -sf libcudnn.so.7.0.3. libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

4.Anaconda3

4.1 版本

版本为：

Anaconda3-5.2.0-Linux-x86_64.sh

下载地址：

https://repo.continuum.io/archive/

这个5.2.0有bug!建议改为5.3以上！

4.2 安装

bash Anaconda3-5.2.0-Linux-x86_64.sh

一直选择默认，回车就行！

中间的一个安装注意点：是否选择添加环境变量到~/.bashrc,选择是就可以了！

最后执行

source ~/.bashrc

4.3 测试

输入python

显示上述Anaconda，则表示安装成功！可以看看conda命令是否可以使用！

640?wx_fmt=png

5.Tensorflow-GPU

5.1 版本

版本：tensorflow-gpu-1.8

5.2 安装

直接输入:

conda install tensorflow-gpu==1.8

最后发现，直接输入pip就可以了，所以上述换成：

pip install tensorflow-gpu==1.8

两者区别是，cond安装会更新包，pip则不会！

6.测试

依次输入如下命令：

import tensorflow as tf 
a = tf.constant([1.0,2.0,3.0],name='a')
b = tf.constant([3.0,4.0,5.0],name='b')
c = a + b
sess = tf.Session()
print(sess.run(c))

测试结果如下图：

640?wx_fmt=png

看到[4. 6. 8.]，并看到自己的GPU设备，测试成功！

但是发现了一个小的bug，上面导包的时候有个警告，这个可以忽略不计，但是为了追求完美，最后的解决方案是：重装h5py即可！

640?wx_fmt=png

上图这个警告是h5py与numpy不兼容，我卸载后，然后重装，警告解决！

重装解决如下图：

640?wx_fmt=png

导包后，没警告了，很完美！哈哈，终于安装完毕！

7.总结

由于cuda8.0以上不支持gcc5.0以上，所以要保证自己电脑的gcc与g++版本！将这两个进行降级，有关解决问题方案，网上很多，如果安装过程碰到可以留言，也可以谷歌！

希望通过本文，大家可以对深度学习环境有个更深刻的认识，并且深入了解Ubuntu系统的操作！

欢迎大家转发，留言，打赏，点赞！

在安装过程中参考的文章如下：

https://blog.csdn.net/abc869788668/article/details/78331047

https://blog.csdn.net/JOKER_Or/article/details/80333253

640?wx_fmt=png

guangcheng0312q

关注

0
点赞
踩
18

收藏

觉得还不错? 一键收藏
2
评论
Ubuntu18.04完美搭建Tensorflow-gpu

Ubuntu18.04完美搭建Tensorflow-GPU1.80.导语这是18年的最后一个工作日，为了这篇文章耗费了半天的时间来琢磨！关于文章更新，后面不能保证每天一篇...
复制链接

扫一扫