本文采用pip安装tensorflow,但是只有安装了cuda和cuDNN的64位ubantu环境才能够用pip安装,所以安装tenserflow之前需要先安装cuda和cuDNN
主要分为四步:
1.NVIDIA显卡驱动安装
2.cuda10.1安装
3.cuDNN7安装
4.tensorflow2.0安装
注意:1.安装cuda的时候版本要和安装的NVIDIA显卡驱动安装上显示的版本一致
2.cuDNN版本要和支持的cuda版本一致
3.选择的tensorflow版本是否支持GPU版本,以及它支持的cuda版本
4.安装过程中先查看本机环境配置
ubantu18.04+python3.7+cuda10.1+cuDNN7.6+tensorflow2.0(测试版本)
ubantu先安装tenserflow GPU版本
环境
linux 版本:Ubantu server 18.04
GPU版本:
一:安装NVIDIA显卡驱动
首先测试一下机器上是否安装了驱动
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
在文件中加入两行:
执行以下命令并且重启生效
查看之前的驱动:
禁用生效:
开始安装驱动:
安装驱动之前先去 https://www.nvidia.com/Download/index.aspx?lang=en-us查看版本
这里面的版本根据GPU型号选择,比如我的GPU是tesla k80,linux是64位的
下载.run文件:
NVIDIA-Linux-x86_64-418.87.00.run
在很多博客里面写用ppa安装,但是410这个版本apt-get无法获得对应的包,只能下载.run文件安装
ppa安装命令:
sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
$ sudo apt-get install nvidia-410 #此处数字要对应上面查询到的版本号
$ sudo apt-get install mesa-common-dev
通过run file 安装:
修改权限:
sudo chmod a+x NVIDIA-Linux-x86_64-418.87.00.run
开始安装:
sudo ./NVIDIA-Linux-x86_64-418.87.00.run -no-opengl-files
–no-opengl-files 只安装驱动文件,不安装OpenGL文件。这个参数最重要
–no-x-check 安装驱动时不检查X服务
–no-nouveau-check 安装驱动时不检查nouveau 后面两个参数可不加。
nvidia-smi查看安装成功的驱动,很多博客上面写要重启,我在自己的服务器上面没有重启就生效了
二:安装CUDA
在安装cuda的过程中,cuda有自带的nvidia显卡驱动,但是为了引起不必要的麻烦,显卡驱动建议单独装(网上的说法,很多都是单独装的)个人觉得是为了避免后续过程中引起gpu版本和显卡驱动版本不一致
按照第一条命令下载runfile
下载过程中可能会因为本地文件夹权限不够不能写入文件,需要修改文件权限
执行第二条命令的时候,因为我们已经自己安装了Nvidia的显卡驱动,这里不用安装driver
安装成功:
配置环境变量
在当前用户下
使文件生效: source ~/.bashrc
查看是否安装成功:
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
sudo make
./deviceQuery
测试通过:
三:安装cuDNN
官方教程: https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#overview
在下载之前需要先注册,下载与之前安装的的ubantu和cuda对应的版本
四:安装tenserflow 2.0版本(通过pip安装)
官方网址: https://tensorflow.google.cn/install/pip
查看是否装有Python3.7版本
python3 --version
pip3 --version
virtualenv --version
(创建出虚拟环境)
利用pip安装gpu版本的
beta版本
测试安装成功否:
安装环境版本和路径查看,如果系统上有多个版本的python这点很重要,这样才能知道tensorflow用的是哪个python版本
出现这个是因为numpy版本低,并不是没有安装成功,单独升级numpy版本就可以了