tensorflow-gpu的配置和安装

系统配置

avatar

更新源

打开终端，运行

sudo apt-get update	
sudo apt-get upgrade

这个步骤需要花比较多的时间

禁用nouveau驱动

在终端中输入

lsmod | grep nouveau

如果有输出，说明nouveau驱动正在运行，需要我们手动禁用。

在终端中输入

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

在文件中输入

blacklist nouveau
options nouveau modeset=0

之后关闭并保存文件

再在终端中输入

sudo update-initramfs -u

之后重启即可

安装CUDA 9.0

CUDA 9.1的版本已经出了，但是tensorflow-gpu还不支持，所以使用老版本的CUDA 9.0

打开CUDA9.0官网

avatar

下载runfile文件

之后按ctrl+alt+F1进入控制台，登录后在控制台输入

sudo service lightdm stop

关闭图形界面

在控制台输入

sudo sh cuda_9.0.176_384.81_linux.run

运行CUDA工具安装包

所有的问题如果有默认就选默认，否则就选yes。

因为安装包中带有NVIDIA显卡驱动，所以如果已经安装过显卡驱动可以在询问是否安装显卡驱动时选择no。

安装好后启动图形界面

sudo service lightdm start

之后设置环境变量

sudo gedit /etc/profile

在文件末尾输入(64位系统)

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

保存并重启，之后检查是否安装成功

检查显卡驱动是否安装成功
```
 cat /proc/driver/nvidia/version
```
验证CUDA Toolkit
```
 nvcc -V
```
编译sample，这一步需要大概10~20分钟，如果出错会立刻停止
```
 cd /home/user_name/NVIDIA_CUDA-9.0_Samples
 sudo make
```
如果编译成功会显示Finished building CUDA samples
运行编译完的sample
```
 cd bin/x86_64/linux/release
 ./deviceQuery
```
如果输出Result = PASS则成功
最后检查CUDA-Capable deviced的连接情况
```
 ./bandwidthTest
```
如果输出Result = PASS则成功

安装cuDNN 7.1.3 for CUDA 9.0

打开cuDNN官网

avator

下载最下面3个关于Ubuntu的deb文件

打开终端进行安装

sudo dpkg -i libcudnn7_7.1.3.16-1+cuda9.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.1.3.16-1+cuda9.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.1.3.16-1+cuda9.1_amd64.deb

安装完成后，我们检查是否安装成功

打开终端测试样例程序

cp -r /usr/src/cudnn_samples_v7 $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

如果安装成功，会出现“Test passed!”信息

安装tensorflow-gpu

首先用终端安装python-pip

sudo apt-get install python-pip

为了加快之后安装tensorflow-gpu的速度，我们将pip源修改为清华大学的源

sudo mkdir ~/.pip
sudo gedit ~/.pip/pip.conf

在文件内输入

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

并保存即可

之后在终端运行

sudo pip install numpy
sudo pip install tensorflow-gpu

检查是否安装成功

新建sample.py文件，在文件内输入

import tensorflow as tf
hello = tf.constant('Hello World!')
sess = tf.Session()
print(sess.run(hello))

再终端中运行该程序

python sample.py

如果输出Hello World!则说明安装成功，Congratulations！

如果安装失败，可以尝试重装系统，换一份教程。。

NBDHHZH

TURING CLASS, PKU