win10+Ubuntu17.04 + cuda 8.0 + cudnn 6.0 + gpu-tensorflow

Ubuntu17.04 + cuda8.0 + cudnn 6.0 + gpu-tensorflow

 

 

 

1、检查显卡， 查看当前配置

 

uname -m &&cat /etc/*release

 

 

 

检查你的NVIDIA VGAcard model

 

sudo lshw -numeric-C display

 

nvidia-smi#显示信息

 

 

 

2、检查gcc(cuda 8.0 不支持v5.0之上的版本)

 

gcc --version

 

 

 

gcc 降版本

 

CUDA8.0 不支持 gcc 5.0 及以上的编译器，而系统自带的是5.4及以上版本，因此我们需要降版本，否则会在后面报错

 

在terminal中输入如下指令，将 gcc 版本降到 4.9

 

复制代码------根据自己自带的gcc版本改下列数字   

 

sudo apt-get installg++-4.9

 

sudoupdate-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20

 

sudoupdate-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10

 

sudoupdate-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20

 

sudoupdate-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10

 

sudoupdate-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30

 

sudoupdate-alternatives --set cc /usr/bin/gcc

 

sudoupdate-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30

 

sudoupdate-alternatives --set c++ /usr/bin/g++

 

 

 

3、cuda 8.0

 

下载，安装和测试

 

Ubuntu17.04安装TensorFlow1.2的GPU版本

 

http://blog.csdn.net/dream_an/article/details/74992346

 

GTX1080Ti + cuda8.0 + cuDNN6.0 安装及测试

 

http://m.blog.csdn.net/zhangjunhit/article/details/73459019

 

 

 

设置环境变量----A

 

\ sudo gedit/etc/profile

 

打开/etc/profie文件，在文件末尾添加如下设置：

 

exportPATH=/usr/local/cuda-8.0/bin:$PATH

 

保存该文件，执行以下命令，使环境变量立即生效。

 

\$ source/etc/profile

 

http://m.blog.csdn.net/zhangjunhit/article/details/73459019

 

 

 

 

 

亦有环境配置----C

 

我们在terminal中键入下列命令：

 

sudo gedit ~/.bash_profile # 打开.bash_profile 这是用户的环境变量，不是全局的

 

然后在打开的文本末尾加入：

 

exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

 

exportCUDA_HOME=/usr/local/cuda

 

保存并关闭后，输入下列命令使环境变量生效：

 

source~/.bash_profile # 使被更改的环境变量生效

 

参考：Ubuntu 安装 tensorflow-gpu + keras

 

https://www.cnblogs.com/luruiyuan/p/6660142.html

 

 

 

 

 

设置变量----B

 

exportCUDA_HOME=/usr/local/cuda-8.0

 

exportPATH=$CUDA_HOME/bin:$PATH

 

exportLD_LIBRARY_PATH=$CUDA_HOME/lib64

 

 

 

 

 

可以都设置一遍！！

 

 

 

安装 libcupti-dev 包

 

sudo apt-get installlibcupti-dev

 

 

 

 

 

4、cudnn

 

CuDNN可以在官网免费获得，注册帐号后即可下载。

 

下载链接：https://developer.nvidia.com/cuDNN

 

账号：87

 

密码：l-12--+++T

 

参考：Ubuntu14.04CuDNN6.5安装

 

http://blog.csdn.net/honyniu/article/details/46388241

 

 

 

具体安装：

 

tar -xvfcudnn-8.0-linux-x64-v6.0.tgz  

 

cd cuda/ 

 

 sudo cp include/cudnn.h/usr/local/cuda/include 

 

sudo cp -alib64/libcudnn* /usr/local/cuda/lib64 

 

参考：cudnn6.0的安装简单教程

 

http://blog.csdn.net/w5688414/article/details/78195505

 

 

 

5、tensorflow

 

安装tensorflow-gpu

 

可以通过python2或者python3的安装，使用的是python3,二选一

 

安装依赖

 

xiaolei@wang:~$ sudoapt-get install python-pip python-dev   #for Python 2.7

 

xiaolei@wang:~$ sudoapt-get install python3-pip python3-dev # for Python 3.n

 

安装tensorflow-gpu版本

 

xiaolei@wang:~$ pipinstall tensorflow-gpu  # Python2.7;  GPU support

 

xiaolei@wang:~$spip3 install tensorflow-gpu # Python 3.n; GPU support

 

 

 

 

 

测试tensorflow-gpu

 

python3

 

import tensorflow astf

 

hello =tf.constant('Hello, TensorFlow!')

 

sess = tf.Session()

 

print(sess.run(hello))

 

参考：

 

Ubuntu17.04安装TensorFlow1.2的GPU版本

 

http://blog.csdn.net/dream_an/article/details/74992346