Ubuntu16.04深度学习环境之TensorFlow1.4CPU/GPU安装实测
终端输入
cd /etc/apt/
sudo cp sources.list sources.list.backup #做备份
sudo gedit sources.list
然后把如下内容替换到该文件中:
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
然后更新源和更新已安装的包:
sudo apt-get update
sudo apt-get upgrade
二. nvidia 驱动安装
sudo apt-get update
sudo apt-get install nvidia-384 //nvidia-后面的数字是版本号,本次选择384版本
sudo reboot //重启
重启后,终端输入:
nvidia-smi //显示下图
Ps.是9块GP100,你没有看错
下载cuda 8.0 的 runfile安装包(需要NVIDIA开发者账号)。
sudo sh cuda_8.0.61_375.26_linux.run
启动安装程序,一直按空格到最后,输入accept接受条款
输入n不安装nvidia图像驱动,之前已经安装过了cuda8.0+cudnn6.0+TensorFlow
输入y安装cuda 8.0工具
回车确认cuda默认安装路径:/usr/local/cuda-8.0
输入y用sudo权限运行安装,输入密码
输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
输入y安装CUDA 8.0 Samples,以便后面测试
回车确认CUDA 8.0 Samples默认安装路径,该安装路径测试完可以删除
export PATH="$PATH:/usr/local/cuda-8.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
四. cudnn 安装
cudnn 下载相应版本.
cd到下载的文件目录下,解压:
tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
解压在下载目录下产生一个cuda目录
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
cd ../lib64 #打开lib64目录
sudo cp lib* /usr/local/cuda/lib64/ #复制库文件
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #给所有用户增加这些文件的读权限
五. 建立软连接
终端输入
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -s libcudnn.so.6 libcudnn.so
设置环境变量,终端输入
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后,创建链接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
按a进入插入模式,增加下面一行
/usr/local/cuda/lib64
按esc退出插入模式,按:wq保存退出
最后在终端输入
sudo ldconfig #使链接生效
六.cuda Samples测试
切换到CUDA 8.0 Samples默认安装路径(即在NVIDIA_CUDA-8.0_Samples目录下/home/rdpc/NVIDIA_CUDA-8.0_Samples/),终端输入
sudo make all -j44 #(44核,本次使用了一台44核88线程,9GPU卡的ultralab GX610M超级快工作站)
由于机器给力,秒等完成后继续向终端输入
cd bin/x86_64/linux/release
./deviceQuery
下面继续TensorFlow安装
一、查看系统所安装的python版本
打开终端输入指令:
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
如果要再切换到Python2,执行
sudo update-alternatives --config python
二、安装python对应版本的pip和依赖包
sudo apt-get install python-pip python-dev
sudo apt-get install python3-pip python3-dev
在装tensorflow之前,不管是不是最新的pip版本,都要更新一下
python 2.7版本:sudo pip install --upgrade pip
python 3.x版本:sudo pip3 install --upgrade pip
四、更改pip源地址(提高下载速度)
修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件,文件夹要加".",表示是隐藏文件夹),内容如下:
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com
五、安装TensorFlow
python 2.7版本:sudo pip install tensorflow
python 3.x版本:sudo pip3 install tensorflo
python 2.7版本:sudo pip install tensorflow-gpu==1.4
python 3.x版本:sudo pip3 install tensorflow-gpu==1.4
打开一个 python 终端:
$ python
>>>import tensorflow as tf
>>>hello = tf.constant('Hello, TensorFlow!')
>>>sess = tf.Session()
>>>print (sess.run(hello)) //注意python版本的语法,3.5要有(),2.7则不用
如下图输出:b'Hello, TensorFlow!',安装完成。
Ubuntu16.04深度学习环境之TensorFlow1.4CPU/GPU安装实测相关推荐
- Ubuntu16.04深度学习环境搭建
Ubuntu16.04深度学习环境搭建(anaconda3+cuda10.0+cudnn7.6+pytorch1.2) 文章目录 Ubuntu16.04深度学习环境搭建(anaconda3+cuda1 ...
- tesla p100 linux,Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow)
Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow) 1. 显卡驱动安装 选择对应显卡型号的驱动下载 https://www.nvidia.com/D ...
- 双系统Ubuntu22.04深度学习环境配置与踩坑记录
双系统Ubuntu22.04深度学习环境配置踩坑记录 前言 目录 相关版本 主要参考教程 Ubuntu安装 Nvidia和CUDA安装 踩坑经历 官网安装所遇问题 cuDNN安装 Anaconda安装 ...
- ubuntu 18.04 深度学习环境配置
ubuntu 18.04 深度学习环境配置 系统环境配置 更新源,更新系统 安装一些工具软件 安装chromium浏览器,看CSDN学院视频必备 安装vim 开启sudo免密 安装ssh-server ...
- 2080Ti深度学习环境配置及常用软件安装
2080Ti深度学习环境配置及常用软件安装 ubuntu 16.04 双系统的安装(已有window10系统) 显卡驱动安装 tensorflow安装 teamviewer安装 pycharm安装 m ...
- Ubuntu18.04深度学习环境配置(简易方式)
为避免读者踩坑,本文测试成功了Ubuntu18.04环境下配置深度学习环境: (GPU:NVIDIA TITAN Xp),包括: CUDA+CUDNN+TensorFlow1.9+Pytorch1.1 ...
- Ubuntu 18.04深度学习环境配置(CUDA9.0+CUDDN7.4+TensorFolw1.8)
因为Ubuntu18.04刚发布不久,在安装CUDA和CUDNN中还没有匹配版本,最高也是17.04的版本,但实际上18.04的版本具有很强的兼容性.为避免读者踩坑,本文测试成功了Ubuntu18.0 ...
- 一文掌握Ubuntu20.04深度学习环境搭建(显卡驱动、CUDA、CUDNN、NCCL、Pytorch、PaddlePaddle)
目录 一.Ubuntu系统安装 1.1 制作U盘镜像并安装 1.2 安装make.g++.cmake 1.3 安装中文输入法 1.4 安装VS Code 二.深度学习环境安装 2.1 切换Python ...
- 深度学习-deepin深度学习环境搭建(deepin+gpu+cuda+cudnn)
背景 之前分别在windows.mac上做深度学习,发现遇到了重重困难.最近正好赶上换机器,顺便也买了gtx1080的显卡,就直接装了deepin的操作系统(大家都反应还不错,自己实际体验也是众望所归 ...
最新文章
- 并发编程中一种经典的分而治之的思想!!
- SAP MM 启用了Advanced Return Management之后采购订单上的一些变化
- 通过仿真和综合认识D触发器(Verilog HDL语言描述D触发器)
- Office 2010 Multi-language Pack download
- Spring注解开发-Bean注册
- [Jarvis OJ - PWN]——Smashes
- 数据库-优化-数据库系统配置优化-配置文件优化
- docker中 system limit for_java中的split函数的坑
- 快递行业总结(四)快递公司当前特征
- 中国智慧能源行业行情监测及未来动向规划预测报告2022-2028年
- Oracle 12c PDB数据库的基本操作积累
- 柬埔寨攻略―签证、机票
- 透明与不透明物体共存
- JeecgBoot 3.2.0 版本发布,基于代码生成器的企业级低代码平台
- 笔记本 服务器 性能,笔记本CPU性能天梯图2021最新6月
- Material Design icons图标的使用,npm下载及react+typescript引用方式import
- QAbstractItemView子类如:QTreeView、QTableView等子项单元格复选框勾选/取消勾选功能实现
- 媒体类型@media
- 阿里P5-多线程相关
- 在做ADAU1452和ADAU1467的硬件设计时,输入输出通道的设计是怎么做的?(含原理图)