ubuntu系统安装tensorfflow（显卡驱动+CUDA+cuDNN）

最新推荐文章于 2024-06-17 16:04:49 发布

ZJUNet

最新推荐文章于 2024-06-17 16:04:49 发布

阅读量510

点赞数

文章标签： ubuntu tensorflow CUDA 显卡驱动 cuDNN

本文链接：https://blog.csdn.net/qq_40311292/article/details/97303895

版权

安装tensorflow（CPU）

打开终端，输入如下命令即可：

$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

安装tensorflow（GPU）

系统：Ubuntu16.04
显卡：1060Ti
CUDA版本：CUDA ToolKit 9.0 + update patch *4
cuDNN版本：cuDNN v7.3 for CUDA 9.0
Tensorflow版本：Tensorflow-gpu1.12

1 安装显卡驱动

查看显卡型号和推荐的显卡驱动

ubuntu-drivers devices

从输出的信息看到推荐的是nvidia-driver-384的驱动，因此安装nvidia-384驱动。

注意：Tensorflow1.12 CUDA9.0 最低要求384以上版本的驱动

安装nvidia-384版本驱动

sudo apt-get purge nvidia* # 将系统中存在的nvidia驱动全部卸载掉
sudo add-apt-repository ppa:graphics-drivers/ppa # 添加ppa源并更新
sudo apt-get update
sudo apt-get install nvidia-384 nvidia-settings nvidia-prime # 安装nvidia-384版本

注意：安装完成后要重启系统

查看是否安装成功

lsmod | grep nvidia #执行后有输出

lsmod | grep nouveau #执行后无输出

nvidia-smi #执行后会输出一个表格

注意：如果重启后无法进入图形界面

可以尝试CTRL+ALT+F1进入命令行界面，输入用户名和密码后清除原驱动

sudo apt-get purge nvidia*

出现此问题最大的可能原因是安装的Nvidia驱动和系统或者硬件有不兼容，解决方法是将Ubuntu16.04自带的第三方显卡驱动Nouveau禁用。

编辑文件

blacklist.conf

sudo vim /etc/modprobe.d/blacklist.conf

若未安装vim则sudo apt-get install vim安装或使用vi

在文件最后部分插入以下两行内容

blacklist nouveau

options nouveau modeset=0

更新系统

sudo update-initramfs -u

reboot

相关问题可以参考 https://blog.csdn.net/m0_37851906/article/details/81588885

2 CUDA9.0的安装

因目前最新的Tensorflow1.12暂时只支持CUDA9.0。提供AB两种方法，事实证明run的方式更稳，即B方法。

A deb

Nvidia官网： https://developer.nvidia.com/cuda-90-download-archive

下载：

cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb (和 4个补丁文件)

注意：不安装上述补丁对后续的安装也应该没多大影响，但装上后对系统运行的性能可能有所提升

按照官网提示输入命令即可

对命令含义想有所了解可以到这里去看一下：https://www.jianshu.com/p/6432015c52a6

注意：第2条命令如果报错无法找到文件，只要更改路径使之能读取最后的pub文件即可

如需安装补丁，执行以下命令：

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-176-local-patch-4_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda

设置环境变量

运行如下命令使得环境变量生效：

source ~/.bashrc

在 ~/.bashrc中设置环境变量：

export PATH=/usr/local/cuda-9.0/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export CUDA_HOME=/usr/local/cuda

测试环境变量是否生效，可以运行一下nvidia的查看CUDA版本的命令(以下两条都可以，作用相同)：

nvcc --version

nvcc -V

显示如下表示生效：

如果发现显示的版本并不是安装的版本而是比如7.5版本：

sudo apt-get autoremove nvidia-cuda-toolkit # 卸载7.5版本

如果想卸载某个自己装错了的版本，比如装成了8.0：

sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl

B run

去官网下载.run文件

下载完成之后，给文件赋予执行权限：

chmod +x cuda_10.0.130_410.48_linux.run

执行安装包，开始安装：

./cuda_10.0.130_410.48_linux.run

开始安装之后，需要阅读说明，可以使用Ctrl + C直接阅读完成，或者使用空格键慢慢阅读。然后进行配置，我这里说明一下：

（是否同意条款，必须同意才能继续安装）
accept/decline/quit: accept

（这里不要安装驱动，因为已经安装最新的驱动了，否则可能会安装旧版本的显卡驱动，导致重复登录的情况）
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n

Install the CUDA 10.0 Toolkit?（是否安装CUDA 10 ，这里必须要安装）
(y)es/(n)o/(q)uit: y

Enter Toolkit Location（安装路径，使用默认，直接回车就行）
[ default is /usr/local/cuda-10.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?（同意创建软链接）
(y)es/(n)o/(q)uit: y

Install the CUDA 10.0 Samples?（不用安装测试，本身就有了）
(y)es/(n)o/(q)uit: n

Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...（开始安装）

查看/usr/local/cuda/bin下是否有nvcc可执行程序，如果没有说明cuda没有正常安装，需要重新安装，如果有，进入下一步

接下来配置他们的环境变量

在vim ~/.bashrc的最后加上以下配置信息：

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

最后使用命令source ~/.bashrc使它生效。

重启后使用nvcc -V 查看CUDA版本是否正确。

3 cuDNN7.3的安装

官网下载 https://developer.nvidia.com/rdp/cudnn-archive

有两种方式，具体参考 https://blog.csdn.net/dudu815110/article/details/88592558

这里只给出Tar File形式的安装

选择下载cuDNN v7.3 for CUDA9.0版本（子项选择cuDNN v7.3 Library for Linux）

安装包为cudnn-9.0-linux-x64-v7.3.0.29tgz

解压

tar -zxvf cudnn-9.0-linux-x64-v7.3.0.29.tgz #在当前目录下会生成cuda目录

将cudnn.h文件和lib文件拷贝到CUDA的安装目录下

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

注意：很多教程上面第二行命令中没有 -d，此处一定不能少，否则会提示.so不是symbol link

赋予执行权限

sudo chmod a+x /usr/local/cuda/include/cudnn.h
sudo chmod a+x /usr/local/cuda/lib64/libcudnn*

经过上述步骤，就基本配置好了系统以及CUDA环境，下面我们就可以安装配置Tensorflow框架了

4 Tensorflow-1.12的安装

Python开发环境配置

如果之前没有装过Python可参考 https://blog.csdn.net/qq_40311292/article/details/97367227

首先，确保系统中安装了如下Python环境：python3, pip3，以及 virtualenv，在命令行查询相应的版本：

python3 --version
pip3 --version
virtualenv --version

如果提示没有安装，则用如下命令安装：

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv

（可跳过）创建Python虚拟环境

python的虚拟环境用来隔离系统和相应的安装包，这非常有利于不同版本之间的隔离，总之好处多多，尤其是不同的项目使用不同的软件版本时，能避免令人头痛的版本混乱问题，强烈建议安装虚拟环境。安装命令如下：

virtualenv --system-site-packages -p python3 ./venv

上述命令的意思是创建一个虚拟环境（该虚拟环境文件被放置到venv目录下），该环境使用python3，并且将python3下已经安装的包都复制过来（–system-site-packages），如果选择不复制python3下已经安装的包，则使用–no-site-packages，这样，已经安装到系统python环境中的所有第三方包都不会复制过来，这样就会得到一个不带任何第三方包的“干净”的python运行环境。这里我们选择复制python3下已经安装的软件包。

如果要使用，则用下述命令激活该虚拟环境

source ./venv/bin/activate

如果环境激活，则shell命令行前面会出现(venv)。
在该虚拟环境下安装任何软件包都不会影响系统python环境。如果要退出该虚拟环境，则在命令行执行即下述命令可退出该虚拟环境。

deactivate

建立软链接
为了使用方便，我们可以建立一个软链接，假设我们的虚拟环境安装的绝对路径是/home/scek/Project/venv/，则激活的shell命令的绝对路径是/home/scek/Project/venv/bin/activate。一般我们启动终端的时候，会默认在/home/scek/目录下，在这个目录下建立软链接，链接名称假设为venv，则用下面命令：