环境:ubuntu18.04,GeForce940M
1.安装显卡驱动
检查自己电脑的gpu是否CUDA-capable
lspci | grep -i nvidia
输出:NVIDIA Corporation GM108M [GeForce 940M] (rev a2)
禁用nouveau并重启
lsmod | grep nouveau
如果有输出说明nouveau正在加载
打开禁用列表
sudo gedit /etc/modprobe.d/blacklist.conf
在打开文本的最后一行添加:
blacklist nouveau
options nouveau modeset=0
更新,重启
sudo update-initramfs -u
reboot
再次查看是否禁用nouveau
lsmod | grep nouveau
重点:
1.首先删除旧的NVIDIA驱动:
sudo apt-get purge nvidia-*
2.添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
3.寻找驱动版本
ubuntu-drivers devices
4.安装好 最新的驱动
sudo apt-get install nvidia-396
或
sudo apt-get install nvidia autoinstall
5.重启
reboot
6.挂载nvidia驱动
nvidia modprobe nvidia
7.查看驱动的安装状态
sudo nvidia-smi
8.打开nvidi驱动设置程序
sudo nvidia-settings
9.在终端输入命令,实时查看GPU的使用情况:
watch -n 1 nvidia-smi
10.到Ubuntu18.04系统的“软件和更新” 选择相应的附加驱动
2.安装cuda、cudnn
准备
cuda_9.0.176_384.81_linux.run
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176.3_linux.run
cuda_9.0.176.4_linux.run
cudnn7.05 for 9.0下载地址 https://developer.nvidia.com/rdp/cudnn-archive
cudnn-9.0-linux-x64-v7.tgz
libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
安装
下载完所有文件就可以开始安装了,因为CUDA 9.0仅支持GCC 6.0及以下版本,Ubuntu18.04gcc,g++版本较高,所有先要替换成低版本的gcc,g++:
1.安装4.8版本
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
2.cd到/usr/bin目录下,将它改为链接到gcc-4.8
cd /usr/bin
ls -l gcc*
sudo mv gcc gcc.bak
sudo ln -s gcc-4.8 gcc
对g++进行同样的操作
ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++
查看版本:
gcc --version
g++ --version
3、安装其依赖的库:
sudo apt-get install python-pip python-dev
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
3.安装cuda9.0
sudo sh cuda_9.0.176_384.81_linux.run
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run
一直按回车键安装,碰到是否安装Driver选择否(因为之前已经安装)
4.添加环境变量,修改配置
sudo gedit ~/.bashrc
export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
4、测试:
安装Freeimage
在我们验证cuDNN之前,我们必须首先安装freeimage lilbray作为ministCUDNN示例代码的依赖关系。否则,会有提示要求我们正确设置Freeimage。
sudo apt-get install libfreeimage3 libfreeimage-dev
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
7.安装cudnn
解压cudnn-9.0-linux-x64-v7.tgz
把相应文件复制到/usr/local/cuda/ CUDA安装文件夹里,
tar -xzvf cudnn-9.0-linux-x64-v7.tgz
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 /usr/local/cuda/lib64/libcudnn*
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb
测试
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
安装tensorflow-gpu版本
安装tersorflow-gpu版本:
Python 2.7版本:pip install --upgrade tensorflow-gpu
Python 3.x版本:pip3 install --upgrade tensorflow-gpu
经过这一步骤之后,tensorflow就安装完成了。
如果安装速度慢,且没法fanqiang的话,可以使用清华的源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
测试
随便一个位置创建一个py文件,输入以下文件
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果输出
Hello, TensorFlow!
就好了!下面是我的运行结果。