centos7 配置 深度学习环境 (gtx1060)

 

目录

一、安装gtx1060显卡驱动

二、安装CUDA 10.0

三、安装cuDNN

四、安装GPU版tensorflow

五、测试是否安装成功

---

一、安装gtx1060显卡驱动

到英伟达官网下载驱动  点击跳转

选择合适的驱动进行下载

./NVIDIA-Linux-x86_64-375.39.run  运行此文件 按照提示输入 y/n进行下一步操作

安装好后用nvidia-smi验证是否成功：

 

二、安装CUDA 10.0

去官网下载驱动 https://developer.nvidia.com/cuda-toolkit-archive

同理，选择合适的版本下载 

下载完成后如下进行安装:

 ./cuda_10.0.130_410.48_linux.run

最开始先同意用户协议，再按照提示选择y或n，第一项为显卡驱动，上一步已安装，选n，剩下的都选y就行了。

三、安装cuDNN

去官网下载 跳转

选择合适的版本进行下载，注意：需与cuda的版本相匹配

下载该文件需要先注册成为NVIDIA的开发者，用邮箱注册即可

下载完成后 解压并拷贝到cuda的安装目录，默认在/usl/local/cuda.....下

tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz
cp cuda/include/cudnn.h /usr/local/cuda/include
cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
chmod 755 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

四、安装GPU版tensorflow

pip install tensorflow-gpu -i  https://pypi.douban.com/simple

五、测试是否安装成功

进入Python环境，运行以下代码：

 

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

正常输出结果如下：

如上图，已正常使用GPU运行