Ubuntu搭建tensorflow gpu版環境

安裝顯示卡驅動

安裝cuda 10.1.2

cuda官網 :cuda-10.1

根據官網上的安裝過程安裝

wget sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-10-1-local-10.1.243-418.87.00/7fa2af80.pub sudo apt-get update sudo apt-get -y install cuda

安裝完成後設定環境變數, 在終端輸入

sudo gedit ~/.bashrc

在檔案中最後一行新增

export path=/usr/local/cuda-10.1/bin\$}

測試安裝是否成功(需要較長時間):

cd /usr/local/cuda-10.1/samples sudo make

編譯完成後繼續輸入

cd /usr/local/cuda-10.1/samples/1_utilities/devicequery sudo make ./devicequery

如果顯示「result = pass」表示安裝成功, 本人是重啟完系統後才顯示「result = pass」的.

3. 安裝cudnn

解壓cudnn

tar zxvf cudnn-10.1-linux-x64-v7.6.3.30.tgz

解壓完成後會得到乙個cuda檔案

複製include和lib64資料夾的檔案到相應目錄，具體路徑根據自己情況設定

在終端進入cuda檔案, 輸入

sudo cp ./include/cudnn.h /usr/local/cuda-10.1/targets/x86_64-linux/include sudo cp ./lib64/libcudnn* /usr/local/cuda-10.1/targets/x86_64-linux/lib/ sudo chmod a+r /usr/local/cuda-10.1/targets/x86_64-linux/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/targets/x86_64-linux/lib/libcudnn*

安裝tensorflow-gpu版

pip install tensorflow-gpu

測試**

import tensorflow as tf
with tf.device(
'/cpu:0'):
a = tf.constant(
[1.0
,2.0
,3.0
], shape=[3
], name=
'a')
b = tf.constant(
[1.0
,2.0
,3.0
], shape=[3
], name=
'b')
with tf.device(
'/gpu:1'):
c = a + b
# 注意：allow_soft_placement=true表明：計算裝置可自行選擇，如果沒有這個引數，會報錯。
# 因為不是所有的操作都可以被放在gpu上，如果強行將無法放在gpu上的操作指定到gpu上，將會報錯。
sess = tf.session(config=tf.configproto(allow_soft_placement=
true
, log_device_placement=
true))
# sess = tf.session(config=tf.configproto(log_device_placement=true))
sess.run(tf.global_variables_initializer())
print
(sess.run(c)
)

[2. 4. 6.]

參考:

1.ubuntu16.04配置tensorflow的gpu深度學習環境

2.tensorflow-gpu測試**

Ubuntu搭建tensorflow gpu版環境

在windows環境下搭建TensorFlow

深度學習 Ubuntu上安裝tensorflow

採用ubuntu系統來安裝tensorflow

Ubuntu搭建tensorflow gpu版環境

在windows環境下搭建TensorFlow

深度學習 Ubuntu上安裝tensorflow

採用ubuntu系統來安裝tensorflow

相關推薦