写在前面的话:
进行安装之前,首先通过命令nvidia-smi
,查看驱动型号。得到结果如下:黄色标记部分就为驱动信息:
-
确定以下信息
-
驱动版本决定cuda版本
-
cuda版本确定TensorFlow、pytorch安装版本
-
注意
-
服务器中一般cuda不用自己安装,需要安装的是cuDANN,cuDANN通过安装anaconda就可以安装好
1.通过anaconda安装python环境。先下载
bash Anaconda3-5.2.0-Linux-x86_64.sh
- 安装pycharm。先下载
tar -zxvf pycharm-community-2018.2.5.tar.gz.1
- 安装深度学习环境
conda install keras-gpu=2.2.4 cudatoolkit=8.0 tensorflow-gpu=1.9
- 安装pytorch
conda install pytorch torchvision cudatoolkit=8.0 -c pytorch
7.测试安装结果
- 测试TensorFlow-gpu
"""
测试GPU的计算能力,测试tensorflow-GPU版是否安装正确
"""
import tensorflow as tf
import numpy as np
import time
value = np.random.randn(5000, 1000)
a = tf.constant(value)
b = a * a
c =0
tic = time.time()
with tf.Session() as sess:
for i in range(1000):
sess.run(b)
c+=1
if c%100 == 0:
d = c / 10
# print(d)
print("计算进行%s%%" % d)
toc = time.time()
t_cost = toc - tic
print("测试所用时间%s"%t_cost)
print("Ubuntu上GPU为1050ti测试时间为7.99727988243103")
具体参考:https://blog.csdn.net/weixin_41528941/article/details/95338270
- 测试pytorch
import torch
print(torch.__version__)
print(torch.cuda.is_available())
测试结果如下:分别为版本信息,True表示是GPU版本
1.0.1.post2
True
主要目的:记录安装过程
参考资料
- 师兄配置环境过程资料
- 测试TensorFlow-gpu:
https://blog.csdn.net/weixin_41528941/article/details/95338270