Ubuntu18.04下深度学习环境---TensorFlow(GPU)环境搭建

2019/12/11 18:01
阅读数 92

Ubuntu18.04下深度学习环境—TensorFlow(GPU)环境搭建

本人已经是第二次搭建环境,这次完全采用Anaconda进行环境搭建.系统环境也是重新装机的新系统

安装步骤

1. 驱动安装

  • 添加显卡驱动源

    sudo add-apt-repository ppa:graphics-drivers/ppa
    
  • 更新附加驱动

    sudo apt-get updata
    
  • 安装驱动

    打开"软件和更新"->"附加驱动",可以看到已经有显卡驱动添加到附加驱动中,只需要选择安装即可
    安装完成后,需要重启才可以生效
    

    在这里插入图片描述

  • 验证

    nvidia-smi
    

    在这里插入图片描述

2. 安装Anaconda

  • 选择自己需要的版本下载,执行

    sudo sh XXX.sh
    #安装过程重需要确认,根据提示输入yes/enter即可
    
  • 添加conda到系统变量中

    vi /etc/profile
    #添加
    export PATH="/home/dell/anaconda3/bin:$PATH"
    #后面的路径是本人自己的安装路径,需要修改为自己的安装路径,anaconda的默认安装路径为当前用户下的anaconda3/
    source /etc/profile #使环境变量生效,如果这样不管用的话,就重启.重启后,系统默认为base下的虚拟环境
    
  • 验证conda

    #输入
    conda -V
    #显示版本号即为安装成功
    
  • 问题

    在使用conda install 命令时会出现安装权限的问题,此时需要修改conda的权限
    sudo chmod -R 777 /home/dell/anaconda3
    

3. 安装cuda

注意:cuda的版本一定要和驱动的版本相匹配,不然一切都是白做.我的驱动版本安装的是390,对应的cuda应该是9.1,但是在利用conda search cudatoolkit查看cuda版本的时候,并没有9.1版本,所以安装的是cuda9.0版本

  • 安装

    conda install cudatoolkit==9.0
    

4. 安装cudnn和tensorflow-gpu

在这里就体现出了conda安装的方便之处,它会自动匹配相应的版本进行安装

  • 命令

    conda install cudnn
    conda install tensorflow-gpu
    

5. 验证环境

  • 运行程序

    import tensorflow as tf
    with tf.device('/cpu:0'):
        a=tf.constant([1.0,2.0,3.0],shape=[3],name='a')
        b=tf.constant([1.0,2.0,3.0],shape=[3],name='b')
    with tf.device('/gpu:0'):
        c = a + b
    sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
    print(sess.run(c))
    
  • 运行结果
    在这里插入图片描述

其实,只要没报错就说明安装成功!!!

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部