tensorflow1.10.1+cuda9.0+cudnn7.0.5

tensorflow GPU版本的配置

tensorflow-gpu1.10.1+cuda9.0+cudnn7.0.5 这是已经测试成功的版本搭配

 

• 注意：以后安装之前，就要查清楚版本匹配问题-血琳琳的教训
  • cuda cudnn 显卡驱动，tensorflow4个版本号之间的搭配
    • https://www.cnblogs.com/wolflzc/p/9117291.html 显卡驱动的搭配
    • http://www.cnblogs.com/hutao722/p/9342577.html tensorflow 1.10的cuda等内容的搭配
      • 显卡驱动的版本 cat /proc/driver/nvidia/version
      • cuda的版本 cat /usr/local/cuda/version.txt （安装好之后）
        • 我的ubuntu1060的显卡，驱动最新是390.87,不能装9.2的cuda，只能装9.1及以下的。
      • 如果装9.1的cuda，能够支持什么版本的tensorflow呢？
  • 在配置好GPU环境的Tensorflow中，如果操作没有明确地指定运行设备，Tenserflow会优先选择GPU。
  • 如果要指定用cpu,那么使用with tf.device('/cpu:0'):相关的语句
• cuda卸载
  • 在/usr/local/cuda/bin 目录下,有cuda 自带的卸载工具uninstall_cuda_9.1.pl
    • cd /usr/local/cuda/bin
    • sudo ./uninstall_cuda_9.1.pl
• cudann卸载
  • /usr/local/cuda的目录下面把相应的include ,lib文件夹手动删除
• cuda安装：
  • https://blog.csdn.net/zw__chen/article/details/79456712
  • 配置环境

• • • vim ~/.bashrc
    • 查看是否有以下环境变量，若无请自行添加：
    • export PATH="/usr/local/cuda-9.2/bin:$PATH"
    • export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
    • export CUDA_HOME=/usr/local/cuda
    • 使得添加的环境变量立即生效
      • source ~/.bashrc

• 测试cuda
  • cd NVIDIA_CUDA-9.1_Samples
  • sudo make all –j8
  • cd bin/x86_64/linux/release\
  • ./deviceQuery
• cudann
  • cudnn安装
    • https://blog.csdn.net/zw__chen/article/details/79456712
  • cudann的软链接问题：
    • 问题现状: ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
    • 解决方案：https://blog.csdn.net/weixin_40298200/article/details/79420758
    • cd /usr/local/cuda/lib64

• sudo rm -rf libcudnn.so libcudnn.so.7  #删除原有版本号，版本号在cudnn/lib64中查询
• sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软连接，注意自己下载的版本号
• sudo ln -s libcudnn.so.7 libcudnn.so 
• sudo ldconfig #立即生效
  • ldconfig命令的用途主要是在默认搜寻目录/lib和/usr/lib以及动态库配置文件/etc/ld.so.conf内所列的目录下，搜索出可共享的动态链接库（格式如lib*.so*）,进而创建出动态装入程序(ld.so)所需的连接和缓存文件。

• 测试tensorflow -gpu版本
  • 先安装gpu版本，后测试。我自己是把cpu版本给卸载之后安装的gpu版本
  • 测试代码：
    • 其他参考链接：https://blog.csdn.net/william_hehe/article/details/79615894

import numpy

import tensorflow as tf

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)

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

print(sess.run(c))

 

• 相关问题汇总：
  • 测试cuda时候，如果出现问题CUDA driver version is insufficient for CUDA runtime version
    • 考虑显卡的驱动是否不支持这个cuda，每个cuda版本有显卡驱动要求，而显卡驱动受到了显卡类型的限制
  • 问题现状: ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
    • 软链接没有建立，或者是libcudnn的版本有问题，或者是配置环境变量出错
  • cudnn解压问题：出现tar: cuda/lib64/libcudnn.so：无法创建到 “libcudnn.so.5” 的符号连接: 函数未实现cuda/lib64/libcudnn.so.5这个问题
    • 如果已经出现了cuda这个文件夹，那么暂时忽略。
    • 如果没有出现，可能要修改第一个错误中的文件的权限