折腾了半天终于在服务器上装好了CUDA10.0、对应版本的cuDNN和TensorFlow2.0,因为TF2.0还比较新,网上教程不是特别多,而且TF2.0要CUDA10.0才可以,所以特意记录一下,过段时间可能还要在自己电脑上装一遍。
CUDA
1.下载
官网下载CUDA:https://developer.nvidia.com/cuda-downloads
本次安装没有选择最新的10.1,选择了更稳定的10.0。
按照自己的系统选择,然后点击Download进行下载。
2.安装
使用以下命令进行安装:
`sudo dpkg -i cuda-repo-ubuntu1604-10-1-local-10.1.168-418.67_1.0-1_amd64.deb`
`sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub`
`sudo apt-get update`
`sudo apt-get install cuda`
3.测试
查看CUDA版本
nvcc -V
cat /usr/local/cuda/version.txt
上下两个命令都可以
查看NVIDA GPU信息
nvidia-smi
参考:
https://developer.nvidia.com/cuda-downloads
cuDNN
1.下载
先注册一个账号,然后登录。
注册需要邮箱确认,这里应该是需要科学上网。我的确认邮件一直在那转,科学上网以后就好了。之后如下图进行选择,然后下载即可。
2.安装
先找到下载了cuDNN压缩包的文件夹,然后执行下面命令进行解压缩。
$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz
再执行下面的命令将解压出的文件拷贝到cuda-10.0/lib64和cuda-10.0/include下面就可以了。
$ 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*
3.测试
查看cuDNN版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
参考:https://docs.nvidia.com/deeplearning/sdk/cudnninstall/index.html#download
TensorFlow2.0
此处使用pip进行安装
1.先把安装源改成清华镜像
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
2.更新pip
pip install pip -U
3.安装
此次安装的是TensorFlow 2.0 gpu版 aplha版本,应该是当前最新的版本,更加稳定的版本还没有发布,必须要制定版本号。
pip install tensorflow-gpu==2.0.0-alpha0
CPU版本安装命令如下:pip install tensorflow==2.0.0-alpha0
4.测试
import tensorflow as tf
tf.test.is_gpu_available()
显示TRUE就说明ok了。
至此应该是大功告成了,可以跑自己的代码了。
Ps:中间遇到了一些环境配置的问题,之后会另写一篇来记录。