硬件平台:笔记本
处理器:I7
显卡:GTX960
系统:Ubuntu18.04 64位
步骤1、安装CUDA(无显卡不必安装)
去NVIDIA官网:CUDA Toolkit Archive 下载CUDA:CUDA Toolkit 10.0
下载完成后,在命令行中键入:sudo sh cuda_10.0.130_410.48_linux.run 进行安装,按照下图进行安装步骤设置。
会提示:
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 10.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
这是因为我们在安装CUDA的时候没有选择安装驱动,提示需要安装驱动,忽略就行。
-------------------------------------------------------------------------------------------------------------
接着,添加环境变量 sudo vim /etc/profile
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
保存并退出,然后测试是否安装成功
source /etc/profile
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
至此,CUDA安装成功。
步骤2、安装CUDNN
在官网下载安装包,需要注册登录才能下载。选择适合自己的版本
/rdp/cudnn-download
下载 cuDNN Library for Linux版本,解压得到如下
执行下面命令配置cuDNN
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
在终端查看cdDNN版本,输入如下命令
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
得到
至此,cuDNN安装完成。
但是,最好验证一下:
输入命令:nvidia-settings
弹出如下界面
输入:nvidia-smi获取GPU列表
检验完成。
步骤3、安装Anaconda3,通过清华源下载,步骤很简单,可以百度,然后,进行安装
bash Anaconda3-5.0.0.1-Linux-x86_64.sh
同样的,添加 export PATH=/home/你的路径/anaconda3/bin:$PATH环境变量。
步骤4、安装tensorflow-gpu
创建tensorflow运行环境:
conda create -n tensorflow python=3.7
激活环境,使用 pip 安装 TensorFlow-GPU
source activate tensorflow
python
pip install tensorflow-gpu keras
安装完成后,验证:输入 python -c "import keras"。
步骤5、安装pycharm
官网:/pycharm/download/#section=linux
下载pycharm communit版本
下载解压后 进入bin目录,运行./pycharm.sh
进入 pycharm界面,在file目录中,点击setting,然后按照如下图设置python环境
,随后,建立test.py文件,输入:
import tensorflow as tf
hello = tf.constant('hello,tensorf')
sess = tf.Session()
print(sess.run(hello))
最后输出如下:
至此,整个tensorflow gpu环境搭建完成!!