GPU之cuda+cudnn+tensorflow-gpu

2017年8月14日
MIL day 35

今天总算是将github上一段关于densenet的200行的代码看完了，前前后后看了将近一个星期。其实一上手就开始看代码我是很慌的，python都没太看细，仅仅凭着对densenet的论文算法去看代码，一边看一边去help() tensorflow里的API接口定义，所以阅读代码的效率很低。以后再看代码得有针对性！

读完代码开始跑的时候，我是用的CPU，100个数据大概要跑七八分钟，算了一下，cifar-10大概要跑13天，问师兄怎么这么慢，“很正常啊，cpu，你可以用gpu跑，快很多”。于是一下午与cuda奋战，终于成功将cuda装好，然后tensorflow-gpu版本装好，成功在gpu上跑起来。
尽管能在gpu上简单跑一下，但是这只是简单的cifar-10数据集，而且只是简单的densenet结构，没有B没有C，而且我对tensorflow以及python还有很多模糊的地方，后面再继续加油吧！

安装cuda的坑

之前先安装cuda但是make失败，而且有一句“CUDA driver version is insufficient for CUDA runtime version”，百度之后，要卸载显卡驱动重新安装，自己也没有太好的办法，就卸载显卡驱动重装了，其实数据已经备份好了，卸载之后如果出问题就打算重装系统的，结果卸载后重新安装显卡驱动再去装cuda，make后pass了，激动！接着配置环境变量，nvcc -V出现如下：

这就算是配好了cuda； 然后复制粘贴一下文件，cudnn也配好了，完美啊！ 现在代码正在开心的在gpu上跑呢!
关于cuda安装配置 点这里 重点还是要看NVIDIA官网，出insufficient问题了再看这个
关于显卡重装，可以看我之前的博客，点这里
关于后续cudnn配置，点这里
注意版本不同的话记得啊改一下版本号

注：先卸载tensorflow的cpu版本，然后安装cuda时有一句问是否安装显卡driver的，记住敲no，然后其他的默认就可以了，安装好会出现个比较醒目的summary，这时候cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 然后sudo make 再然后./deviceQuery 这时出现

看倒数第二行，result = pass，就算是cuda第一步，然后参考第一个链接配置环境变量，再source /etc/profile应用一下就可以，echo $PATH 查看环境变量是否搞好，nvcc -V查看cuda版本；接下来装cudnn，看上面，应该很快就好，最后sudo pip install tensorflow-gpu tensorflow的gpu版本应该就OK了！
接下来就可以应用了，跑程序时它会自己找gpu跑的

---

仔细想想，整体上其实是没有遇到太多坑的，不然这会估计在重装系统 #笑哭

有问题还是要biadu啊google啊！