Ubuntu18.04安装CUDA10.0、cuDNN7.5、tensorflow1.13

安装之前必看重点

在安装之前,务必确认操作系统、驱动版本、CUDA、cuDNN及tensorflow之间的对应的可用的版本型号。
这里可参考如下两张图:
在这里插入图片描述
上图来自nvidia官方文档
在这里插入图片描述
上图来自Tensorflow官方文档
大家可根据自己的操作系统和驱动型号选择合适的CUDA、cuDNN及tensorflow。
我的操作系统为:Ubuntu18.04、显卡为GTX1080Ti。
安装选用的型号分别为:驱动430、CUDA10.0.13、cuDNN7.5、tensorflow1.13.1。

下面是我的安装流程,踩了好几个坑,大家不要急着操作,踩过的坑就不要再踩了,看完再安装。

显卡驱动安装

这里请参考我的另一篇博客
注意:若未安装驱动,不要着急安装,请往下看。

安装CUDA

选择CUDA10.0 下载链接
在这里插入图片描述
在这里插入图片描述
下载上图中的两个文件,第一个为安装包,第二个为补丁(不是很必要,能提升CUDA计算性能)。
进入安装包所在文件夹,输入安装命令:

sudo sh cuda_10.0.130_410.48_linux.run
sudo sh cuda_10.0.130.1_linux.run
  •  

在这里插入图片描述
安装过程中会出现下图几个选择:
在这里插入图片描述
上图第一个问是否要装驱动,这里选择no。其余的都选yes就行。
安装完成如下所示:
在这里插入图片描述

配置环境变量:

vim ~/.bashrc
  • 1

在文件最后加入以下内容:

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
  •  

在这里插入图片描述

然后更新一下源文件、检查CUDA是否安装成功:

source ~/.bashrc
nvcc --version
cat /usr/local/cuda/version.txt
  •  

在这里插入图片描述
如上图所示,表示CUDA安装成功。

安装cuDNN

下载链接
在这里插入图片描述
下载如上图所示的3个包,注意:是3个文件都要下载
然后按这三个文件的顺序(就是上图中的3个文件的上下顺序)依次安装。
注意:必须要按依赖顺序安装,否则会出错。
安装命令:

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda10.0_amd64.deb

在这里插入图片描述
注意上图中第二个安装里面的cudnn.h的路径。
把此文件复制到/usr/local/cuda/include文件夹下面,并修改权限:

sudo cp /usr/include/cudnn.h /usr/local/cuda/include
sudo chmod a+x /usr/local/cuda/include/cudnn.h

或则直接下载 cuDNN Libary for Linux

然后拷贝库文件和头文件


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 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

确认是否安装成功:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  • 1

在这里插入图片描述
如上图所示,cuDNN版本为安装的7.5.0,安装成功。

到这里看似没什么问题,其实这里面坑还挺多的,继续往下面看。

安装tensorflow

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1
  •  
  •  

在这里插入图片描述
在这里插入图片描述
安装成功如上图所示。
但运行tensorflow,检查是否有问题:
输入以下代码:

python3
import tensorflow as tf
hello=tf.constant("Hello,Tensorflow!")
sess=tf.Session()
print(sess.run(hello))

在这里插入图片描述
输入sess=tf.Session()时,就报错了,如下图:
在这里插入图片描述
意思就是驱动版本较低,需要更新驱动。这里请看此篇博客的第一张图片,CUDA10.0对应的驱动应为410以上的版本。而我安装的是390。这个坑同志们要注意啊。

但奇怪的是在这之前我检查显卡型号时,推荐的是390,如下图:

ubuntu-drivers devices
  •  

在这里插入图片描述
推荐安装的是390型号,我就安装了这个(就是之前没注意CUDA与驱动型号的对应关系)。但上面tensorflow报错说明需要重装驱动。

重装驱动430

先将系统中存在的nvidia驱动全部卸载掉:

sudo apt-get purge nvidia*
  •  

添加ppa源并更新软件源:

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

再次检查显卡型号:

ubuntu-drivers devices
  • 1

在这里插入图片描述
注意了,这次与之前推荐的型号不一样了,这里推荐了430,不知道是什么原因。只有再装一次了。

sudo apt-get install nvidia-driver-430
  • 1

在这里插入图片描述
安装时,有时候网速较慢会超时报错,再更新一下软件源,多装两遍就行了,如下图:
在这里插入图片描述
装完之后,重启:

sudo reboot
  • 1

检查是否安装成功:

nvidia-smi
  • 1

在这里插入图片描述
如上图,安装成功了,驱动型号为430。

测试tensorflow

python3
import tensorflow as tf
hello=tf.constant("Hello,Tensorflow!")
sess=tf.Session()
print(sess.run(hello))

在这里插入图片描述
如果这里没报错就ok了。
在这里插入图片描述
输出结果如上图。
安装完成。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值