Ubuntu14.04+CUDA7.5+CUDNN.V5+Anaconda+tensorflow
来源:互联网 发布:淘宝的欧莱雅是真的吗 编辑:程序博客网 时间:2024/05/22 13:23
1安装teamviwer(非必要,目的为远程控制,可跳过)
官网下载deb包https://www.teamviewer.com/en/download/linux/
$ sudo dpkg -i teamviewer_12.0.69753_i386.deb
安装可能会出现依赖错误,执行下条命令后再执行安装
$ sudo apt-get install -f
2安装CUDA7.5
2.1卸载原有NVIDIA驱动
$ sudo apt-get –purge remove nvidia-*
2.2禁用通用显卡驱动
终端中运行:$ lsmod | grep nouveau,如果有输出则代表nouveau正在加载。
在/etc/modprobe.d中创建文件blacklist-nouveau.conf,在文件中输入
blacklist nouveau options nouveau modeset=0
运行
$ sudo update-initramfs –u
重启电脑
2.3执行安装
1)关闭图形化界面
$ sudo service lightdm stop
2)进入CUDA7.5安装文件目录执行安装,推荐runfile,下载地址https://developer.nvidia.com/cuda-75-downloads-archive
$ sudo sh cuda_7.5.18_linux.run
开始后会有一段用户协议,空格调到最后输入accept,接下来就是各种yes和确认路径,OpenGL可以不装
3)安装完成后重启图形界面服务
$ sudo service lightdm start
4)重启电脑,检查/dev目录,是否存在4个NVIDIA文件
$ ls /dev/nvidia*
2.4设置环境变量
1)打开profile文件,写入环境变量
$ sudo vim /etc/profile
Ubuntu中的vi编辑器可能有问题,建议安装vim
$ sudo apt-get install vim
2)写入环境变量
export PATH=/usr/local/cuda-7.5/bin:$PATH export
LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64
3)设置生效
$ sudo source /etc/profile
2.5检查是否安装成功
1)检查驱动安装是否成功,成功则会驱动输出版本号
$ cat /proc/driver/nvidia/version
2)检查CUDA Toolkit安装是否成功,成功输出CUDA版本号
$ nvcc -V
3)编译CUDA的例程
$ cd /home/xxxx/NVIDIA_CUDA-7.5_Samples #xxxx为用户名
$ make
若失败,可能是缺少g++,执行安装
$ sudo apt-get install g++
编译可能需要比较长的时间
完成后,进入生成的bin目录/home/xxxx/NVIDIA_CUDA-7.5_Samples/bin运行例程
$ ./deviceQuery
若输出显卡信息即表示CUDA成功安装配置
3安装cuDNN
3.1下载解压
下载地址https://developer.nvidia.com/rdp/cudnn-download(需要注册下NVIDIA账号)
根据我们的版本选择cuDNN v5,文件名为cudnn-7.5-linux-x64-v5.0-ga.tgz
进入目录,解压后得到cuda目录
$ sudo tar -xvf cudnn-7.5-linux-x64-v5.0-ga.tgz
3.2复制文件
cd cuda sudo cp lib64/* /usr/local/cuda/lib64/ sudo cp include/cudnn.h
/usr/local/cuda/include/
3.3更新系统
sudo apt-get update && sudo apt-get upgrade sudo apt-get install
linux-source sudo apt-get install linux-headers-$(uname -r)
4Anaconda环境下安装tensorflow
4.1安装Anaconda
官网下载对应版本进行安装,我的如下
$ bash Anaconda2-4.2.0-Linux-x86_64.sh
安装过程一路yes和回车即可
4.2创建tensorflow环境执行安装
1)创建环境
$ conda create -n tensorflow python=2.7
2)pip方式进行安装
$ source activate tensorflow
3)根据不同版本,设置环境变量。
# Ubuntu/Linux 64-bit, CPU only, Python 2.7 (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl # Ubuntu/Linux 64-bit, GPU enabled, Python 2.7 # Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below. (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl # Mac OS X, CPU only, Python 2.7: (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0-py2-none-any.whl # Mac OS X, GPU enabled, Python 2.7: (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0-py2-none-any.whl # Ubuntu/Linux 64-bit, CPU only, Python 3.4 (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp34-cp34m-linux_x86_64.whl # Ubuntu/Linux 64-bit, GPU enabled, Python 3.4 # Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below. (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp34-cp34m-linux_x86_64.whl # Ubuntu/Linux 64-bit, CPU only, Python 3.5 (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp35-cp35m-linux_x86_64.whl # Ubuntu/Linux 64-bit, GPU enabled, Python 3.5 # Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below. (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp35-cp35m-linux_x86_64.whl # Mac OS X, CPU only, Python 3.4 or 3.5: (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0-py3-none-any.whl # Mac OS X, GPU enabled, Python 3.4 or 3.5: (tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0-py3-none-any.whl
4)根据使用的python2或者python3执行安装
# Python 2 (tensorflow)$ pip install --ignore-installed --upgrade $TF_BINARY_URL # Python 3 (tensorflow)$ pip3 install --ignore-installed --upgrade $TF_BINARY_URL
4)退出环境
$ source deactivate
4.3测试安装,执行下列代码
>>> import tensorflow as tfI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally>>> tf.__version__'0.10.0'>>> tf.__path__['/home/dskj/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow'](tensorflow的安装目录)
- Ubuntu14.04+CUDA7.5+CUDNN.V5+Anaconda+tensorflow
- tensorflow安装(ubuntu14.04+cuda7.5+anaconda+pycharm)
- 记一次ubuntu14.04+cuda7.5+cudnn v5+python+caffe的安装
- caffe安装之Ubuntu14.04总结(CUDA7.5+cuDNN(v5)+python2.7))
- Ubuntu14.04 安装CUDA7.5 + Caffe + cuDNN
- ubuntu14.04安装cuda7.5+cudnn+caffe
- ubuntu14.04安装cuda7.5 cudnn
- Ubuntu14.04 安装CUDA7.5 + Caffe + cuDNN
- Ubuntu14.04 安装CUDA7.5 + Caffe + cuDNN
- Ubuntu14.04+cuda7.5+caffe+cudnn安装
- Ubuntu14.04 cuDNN Anaconda PyCharm
- ubuntu14.04 caffe cuda7.5 cudnn anaconda2 opencv3 安装
- ubuntu14.04+cuda7.5+opencv3.0+cudnn+caffe
- ubuntu14.04下cuDNN配置(caffe+cuda7.5)
- 深度学习框架tensorflow配置(ubuntu14.04+cuda8.0+cudnn v5.1+anaconda2+tensorflow)
- 这段折腾 caffe 的日子……(Ubuntu14.04 + Nvidia Driver + CUDA7.5 + cuDNN v2.0/ v4.0/ v5.1 + caffe)
- Ubuntu 14 Caffe配置教程(cuda7.5+cuDnn v5)
- Caffe+cuda7.5+cuDNN v5.1 在windows10下安装
- spring框架学习(五)注解
- Picked up JAVA_TOOL_OPTIONS: -agentlib:jvmhook解决方法
- 常用的枚举(工作中用到的)
- TensorFlow之函数:reduce_mean() 来自于numpy.mean()
- spring框架学习(六)AOP
- Ubuntu14.04+CUDA7.5+CUDNN.V5+Anaconda+tensorflow
- gnuplot 入门教程二
- CentOS 6.5 安装最新版本的php
- 内核开发之:使用图片分层技术实现窗口叠加
- Unity 保存Json数据到本地文件
- 新浪SAE python web静态文件处理
- codeforces732D Exams(贪心+二分)
- 百睿联嵌入式硬件记录
- Android检测手机锁屏以及保持屏幕常亮