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()
留言列表