1、安装CUDA
提前安装好自己的N卡驱动,一般采用apt-get方式安装最简单:
卸载系统里的Nvidia低版本显卡驱动
sudo apt-get purge nvidia*
把显卡驱动加入PPA
sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update
查找并安装最新驱动
sudo apt-cache search nvidia
例如:最新版本390.48已加载。采用apt-get命令在终端安装:
sudo apt-get install nvidia-390
重启系统并验证、在终端输入以下命令行:
lsmod | grep nvidia
先退出桌面进入命令行
service lightdm stop
安装cudn8.0。
sudo sh XXXXX.run(8.0)
过程:
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n(这一步选择n,其他选择y或者按enter)
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/maddock ]:
Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
Installing the CUDA Samples in /home/maddock ...
Copying samples to /home/maddock/NVIDIA_CUDA-8.0_Samples now...
Finished copying samples.
===========
= Summary =
===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /home/maddock
然后添加环境变量
编辑home目录下面.bashrc文件
sudo vim ~/.bashrc
输入下面内容
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/
使得环境变量生效
source ~/.bashrc
测试CUDA的sammples
运行如下的命令
cd /usr/local/cuda-8.0/samples
sudo make all
cd ./1_Utilities/deviceQuery
sudo make
./deviceQuery
2、安装cudnn5 for cuda8
下载下来以后,发现是一个tgz的压缩包,使用tar进行解压
tar -xvf cudnn-8.0-linux-x64-v5.1.tgz
安装cuDNN比较简单,解压后把相应的文件拷贝到对应的CUDA目录下即可
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*
更改动态文件链接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
以下的两步设置软连接时
一定要注意自己电脑的/usr/local/cuda/lib64/下的libcudnn.so.5.XXX名字,
有的可能是libcudnn.so.6.0.5等,要依据自己的电脑上的文件来定
****************************************************************************
tensorflow1.2 好像默认使用cudnn5.
所以此处在建立软连接时。一定要把libcudnn.so.5/6.XXX-------->libcudnn.so.5(此处必须是 5)
libcudnn.so.5-------------->libcudnn.so
所以实际使用cudnn5或者6都可以,但是要一次软连接到---->libcudnn.so.5---->libcudnn.so
****************************************************************************
sudo ln -s libcudnn.so.6/5.XXX libcudnn.so.5 #生成软链接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
3、安装tensorflow-gpu版本 (1.2)
系统环境下安装
sudo pip install tensorflow-gpu==1.2.0(必须是sudo)
如果遇到错误、执行下面代码
sudo su
sudo apt-get install python2-pip
pip install tensorflow-gpu==1.2.0
anacinda虚拟环境下安装
安装Anaconda2
sudo sh Anaconda2.sh
创建虚拟的环境
conda create -n 环境名称(例如:tensorflow) python=2.7
并在此环境下安装所有的anaconda的包
source activate tensorflow
conda install anaconda
在此环境下安装tensorflow-gpu版本
pip install --ignore-installed --upgrade 清华源的地址
获取清华源的网站:https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/
选取适合自己的版本
如:相应的网址为:
pip install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl(此行,即为“清华源的地址”)
则命令行如下:
pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl
测试:
import tensorflow as tf
hello=tf.constant('Hello, TensorFlow')
sess=tf.Session()
print(sess.run(hello))
输出“Hello, TensorFlow!”则安装成功!!!!!!!!!!!!!!!!!!!!