Install Tensorflow-gpu with pip 

透過 apt-get 安裝相關套件。

sudo apt-get install python-pip python-dev

透過pip install 安裝 gpu 版本之tensorflow

pip install tensorflow-gpu

 

Install Nvidia Toolkit 8.0 

前往Nvida 官方網站(Toolkit https://developer.nvidia.com/cuda-downloads)下載。

以下操作請進入指令模式( Alt + F1)。 ( Alt + F7 恢復圖形化介面 )

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

為避免安裝完驅動後重開機就會無法進入圖形登入畫面。請務必輸入以下指令。

service lightdm stop

安裝cuda並重新啟動。

sudo apt update
sudo apt install cuda
sudo reboot

 

 

Install Nvidia CudNN 5.1

至Cuda cudnn 網站(https://developer.nvidia.com/cudnn)下載安裝檔案。(需註冊方可下載)

 

解壓縮cudnn並依照Tensorflow網站描述,將檔案複製至指定目錄。

tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
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 /usr/local/cuda/lib64/libcudnn*

 

編輯環境變數

vim ~/.bashrc

 

設定cuda 相關之環境變數

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:/usr/lib/nvidia-367
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:/usr/local/cuda/bin

其中 /usr/lib/nvidia-367 可指到你實際安裝的顯卡驅動程式版本。

 

啟用環境變數

source ~/.bashrc

 

 

確認驅動程序是否安裝正確,同時能成功識別GPU Device。可輸入以下指令確認,同時可以查看GPU Device相關資訊。

nvidia-smi

 

 


進入python編輯模式,確認tensorflow-gpu 安裝成功。

import tensorflow 後會出現資源調用之相關訊息,可以檢查是否運作正常,若有異常可能為上述步驟有疏漏導致,請重新確認。

import tensorflow as tf

 

 

 

輸入tensorflow.Section(),若顯示顯卡相關資訊即代表配置成功。

tf.Section()

 

arrow
arrow

    Lung-Yu,Tsai 發表在 痞客邦 留言(0) 人氣()