从零开始深度学习 E1. cuda+Tensorflow环境部署
来源:互联网 发布:php判断是否为整数 编辑:程序博客网 时间:2024/06/05 10:56
cuda+Tensorflow的环境部署较为方便,笔者在ubuntu14.04上面进行环境部署,主要经过了以下几个步骤:
安装cuda
1. 在Nvidia官网下载cuda安装包
打开cuda下载页面,依次选择
Operating System: Linux
Architecture: x86_64
Distribution: Ubuntu
Version: 14.04
Installer Type: runfile(local)
其中Installer Type一定要选择runfile脚本安装,用deb包安装的话,可能遇到OpenGL设置冲突的问题,导致ubuntu桌面挂掉。
2. 禁用nouveau驱动
终端运行
lsmod | grep nouveau
如果有输出则代表nouveau正在加载
nouveau的禁用方法为:在/etc/modprobe.d中创建文件blacklist-nouveau.conf并输入以下内容
blacklist nouveauoptions nouveau modeset=0
生成新的系统启动文件
sudo update-initramfs -u
之后重启系统
3. 执行cuda脚本安装文件
重启系统后,按alt+ctrl+f1进入控制台并登陆账户
关闭图形化界面
sudo service lightdm stop
执行安装脚本
sudo chmod +x cuda_8.0.61_375.26_linux.runsudo ./cuda_8.0.61_375.26_linux.run
脚本在执行过程中会提醒用户做一些选择,在遇到提示是否安装OpenGL库时,选择否,其余选项选择默认即可。
重新启用图形桌面服务
sudo service lightdm start
alt+ctrl+f7 切换至图形界面
4. 环境变量与设备文件设置
在/root/.bashrc文件末尾添加
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
之后运行source /root/.bashrc进行更新
检查/dev下是否有nvidia*文件,如果没有,则创建并运行如下脚本。取自cuda安装手册官网
#!/bin/bash/sbin/modprobe nvidiaif [ "$?" -eq 0 ]; then # Count the number of NVIDIA controllers found. NVDEVS=`lspci | grep -i NVIDIA` N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l` NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l` N=`expr $N3D + $NVGA - 1` for i in `seq 0 $N`; do mknod -m 666 /dev/nvidia$i c 195 $i done mknod -m 666 /dev/nvidiactl c 195 255else exit 1fi/sbin/modprobe nvidia-uvmif [ "$?" -eq 0 ]; then # Find out the major device number used by the nvidia-uvm driver D=`grep nvidia-uvm /proc/devices | awk '{print $1}'` mknod -m 666 /dev/nvidia-uvm c $D 0else exit 1fi
最后检查cuda是否安装成功
nvcc -V
安装Tensorflow
相比于安装cuda,安装tensorflow十分简单,只需执行pip安装命令即可,国内pip源较慢,推荐换成清华大学开源镜像源。这里采用的是Tensorflow 1.2.1gpu版,python 2.7 版
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
等待安装完成之后,运行tensorflow版的hello world。取自tensorflow中文官网
$ python>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print sess.run(hello)Hello, TensorFlow!>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print sess.run(a+b)42>>>
- 从零开始深度学习 E1. cuda+Tensorflow环境部署
- 为深度学习环境安装开源深度学习框架Tensorflow(Ubuntu16.04+CUDA+cuDNN+Anaconda+Tensorflow)
- Ubuntu环境下深度学习cuda,cudnn,caffe,tensorflow的安装
- Ubuntu16.04+CUDA+CUDNN+Anaconda+Tensorflow+keras深度学习环境搭建
- 深度学习-theano-windows -cuda-环境搭建
- 安装用于深度学习的CUDA环境
- N卡双显卡电脑装ubuntu15.04并配置Anaconda+Tensorflow+cuda+cuDNN的深度学习环境
- 深度学习主机配置 gtx1080 + cuda + tensorflow + ubuntu16
- 用GPU加速深度学习: Windows安装CUDA+TensorFlow教程
- 配置tensorflow GPU深度学习环境
- 深度学习框架tensorflow环境搭建
- 深度学习---Windows VS2015 tensorflow环境配置
- centos 7深度学习环境部署
- 从零开始的深度学习
- 从零开始精通深度学习
- 在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统(30分钟傻瓜版)
- 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 深度学习 ubuntu16.04 theano tensorflow cuda cudnn 搭建gpu加速,亲测有效
- python下几种打开文件的方式
- Android平台Camera实时滤镜实现方法探讨(九)--磨皮算法探讨(一)
- OpenJudge百炼-2952-循环数 & poj-1047-Round and Round We Go-C语言-高精度计算
- java注解
- 求最短路径的三种基本算法
- 从零开始深度学习 E1. cuda+Tensorflow环境部署
- 3种简单排序:冒泡排序、选择排序和插入排序
- 定时执行任务案例
- 【BZOJ1875】[SDOI2009]HH去散步(矩阵乘法)
- Tomcat 8.0.30配置https的步骤
- Android--(7)--Android Shape实现控件背景
- java.sql.SQLException: Access denied for user 'root'@'localhost' (using password: YES)
- 623. Add One Row to Tree
- 金山笔试题解析(经典指针)