在deepin15.11下安装tensorflow-gpu及相关驱动
版本信息
deepin : 15.11
linux内核 : 4.15.0-30deepin-generic (pbuilder@zs-PC) (gcc version 6.3.0 20170516 (Debian 6.3.0-18+deb9u1))(ps: 版本其实并不重要,反正我装的时候没注意过,反正最后gcc还要降) (好像如果不从源码安装tensorflow,就没必要gcc和bazel)
下面是查看Linux版本命令:
cat /proc/version
step1 安装闭源英伟达驱动
直接使用系统自带的显卡驱动器切换至闭源,一般不会成功。建议使用官方方案:https://www.deepin.org/docs/deepintoeveryone/硬件与驱动/如何安装显卡的闭源驱动/
- 既然做深度学习,肯定还是用NVIDIA显卡;
- 采用命令自动安装:
sudo apt-get install nvidia-driver #安装驱动
- 重启;
- 选择闭源驱动。
step2 安装cuda驱动
我直接使用命令,默认安装的是cuda8.0。建议别从官网下,不容易选下载版本。
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler
sudo apt install python-pycuda
安装好后使用nvcc --version
命令可以查看cuda版本号(该号码对应选择cuDNN)
zzy@zzy-PC:/usr/bin$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44
step3 安装cuda对应的cuDNN
cuDNN网址:https://developer.nvidia.com/rdp/cudnn-archive
注意下载cuDNN vX.X.X Library for Linux类型的,deb版是针对Ubuntu、Debian等操作系统的,我已开始下载deb版安装不成功。
下载完解压
zzy@zzy-PC:~$ tar -zxvf ./Downloads/cudnn-8.0-linux-x64-v7.1.tgz
cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.1.3
cuda/lib64/libcudnn_static.a
参考的一个博客上里还把文件copy到cuda文件夹里,但我这里解压后发现直接就在cuda对应路径里了。
(NCCL是双显卡方案才用。)
step4 安装gcc 和 Java环境
sudo apt install openjdk-8-jdk
step5 安装tensorflow-gpu
zzy@zzy-PC:/usr/bin$ pip install tensorflow-gpu
接着就莫名其妙地装好了。可以查看版本和测试的命令我也放下面了。
python环境下,查看版本号及测试gpu:
>>>import tensorflow as tf
>>>tf.__version__
'1.14.0'
>>>sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))#日志信息若包含gpu信息,就是使用了gpu。
参考教程:
https://blog.csdn.net/HappyCtest/article/details/86747306