都是血泪,重装系统后的笔记(注意我没有核显,显卡设置可以参考别的帖子)
安装CUDA
下载地址,官网或者百度云,百度云地址
链接:https://pan.baidu.com/s/1JP6ZjgM54dFbx6MNDcg5Dw
提取码:dvep
官网下载失败,暂时不提。
文件:
进入deb文件所在目录,命令行操作
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
点了yes..之前有安装过runfile大概就是是否安装nvidia驱动,反正我没安装nvidia驱动,所以一路yes就行。如果事先安装了nvidia驱动的话,在驱动选项选择no就行。
添加一些库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
重启
nvidia-smi
命令行
ls /dev/nvidia*
如果有uvm,则安装成功。
设置环境变量
sudo gedit /etc/profile
若出现错误,见下一篇帖子
末尾加
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
source /etc/profile
查看环境变量是否设置成功
验证驱动版本
cat /proc/driver/nvidia/version
验证cuda toolkit
nvcc -V
测试sample
编译sample:
cd /usr/local/cuda-9.0/samples
sudo make
等待中。。。(10分钟以上)
编译二进制文件
cd bin/x86_64/linux/release
./deviceQuery
result = pass成功
最后再检查一下系统和CUDA-Capable device的连接情况 :
./bandwidthTest
安装cudnn7.1
下载云盘地址如上
进入文件目录下
命令行
tar -xzvf cudnn-9.0-linux-x64-v7.1.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*
安装Anaconda
下载完成后需对anaconda进行安装,进入anaconda存放目录,利用命令
bash Anaconda3-4.2.0-Linux-x86_64.sh
这里切记不能用sudo bash命令
Tensorflow 及 keras 安装
利用命令 conda create -n tensorflow-gpu python=3.5 建立一个名为tensorflow-gpu的python3.5环境,注意要写对python版本。
conda环境的激活
source activate tensorflow-gpu 激活 tensorflow-gpu 环境
激活环境之后
pip install tensorflow-gpu==1.11
测试代码
import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))
安装Keras
pip install keras