TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）

2019年5月5日 465次阅读 来源: Luffymaika

安装NVIDIA显卡驱动

由于Ubuntu系统自带的驱动更新是无法更新的显卡的最新驱动的，而且在更新过程中容易出现问题，所以我们本次选择了本地安装驱动。

下载驱动：

http://www.geforce.cn/drivers，在NVIDIA网站上选择对应的网卡型号和驱动版本进行下载。

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 选择对应的显卡型号

选择了之后在下方会出现该显卡的可下载版本驱动：

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 选择合适的版本

禁止Ubuntu集成的nouveau驱动

Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。
将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。

  • 修改黑名单属性： $sudo chmod 666 /etc/modprobe.d/blacklist.conf
  • 修改名单：
$sudo vim /etc/modprobe.d/blacklist.conf

### 在打开了文件以后在文件最后添加几行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

开始安装

首先要先进入Ubuntu的控制台，按Ctrl+Alt+F1，登录帐号并关闭图形界面的服务：
$ sudo service lightdm stop

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 控制台

在关闭了图形界面服务之后，进行驱动的安装：

## 先把当前路径转到下载的目录下
$ cd ~
$ sudo sh NVIDIA-Linux-x86_64-xxx.run
## 然后重新启动我们的图形界面：
$ sudo service lightdm start
  1. 检查安装：
    在终端中输入$ nvidia-smi 或者 $ nvidia-settings，出现驱动版本和GPU信息也就安装成功了。

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 nvidia-smi
《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 nvidia-settings

安装cuda

想要使用gpu加速运算，那就需要安装cuda组件。下载网址：
https://developer.nvidia.com/cuda-toolkit
下载前需要选择配置，我么这次安装还是选择本地文件安装（runfile）

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 cuda版本选择

在下载完成后，转到下载路径，执行一下命令安装：

$ sudo sh cuda_8.0.61_375.26_linux.run

需要注意的是，因为已经安装了最新驱动，所以在安装时候可以选择不安装它提示的驱动版本，剩下的只要一直默认选择就行了。
在安装结束后还需要添加环境变量：

$ sudo gedit /etc/profile
## 在文档最后添加：
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64$LD_LIBRARY_PATH

需要注意的是：因为我当时安装的时候只是出到8.0的版本，所以安装后文件夹名称是cuda-8.0，如果大家安装了cuda-9.0的话，在添加环境变量的时候请把cuda-8.0 这个文件夹路径修改成对应文件夹名字。如果有什么问题可以到以下NVIDIA给出的官方安装指南进行安装：
http://blog.csdn.net/u010837794/article/details/63251725

在安装后请重启，令环境变量生效。

在重启后，可执行以下命令检查安装是否成功：

$ cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

安装cuDNN以及配置

一般我们开发都是基于CPU的，cuda可以看作是辅助我们针对GPU开发的一个工具。 而cuDNN官网的全称是CUDA Deep Neural Network，相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。在理解上面这段的基础上，我们可以猜测配置cuDNN时是要对cuda进行一些修改，所以我们要先安装cuda。cuDNN下载需要注册，这个过程耐心点也很快。下面以ubuntu为例说明如何配置cuDNN进行神经网络的加速。

以下是cuDNN的下载网址：
https://developer.nvidia.com/cudnn
在登录之后会进行一个问卷调查，直接填写就好：

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 问卷调查

这里根据版本需要下载，如果前面的下载了cuda的最新版9.0，这里可以直接选择9.0版本，由于我当时安装的是8.0的cuda，所以这次我下载的是对应8.0版本的:cudnn-8.0-linux-x64-v6.0-tgz

《TensorFlow_gpu版本 python库安装流程（包括驱动，cuda，cudnn）》 cuDNN版本

  • 下载之后进行解压
    $ tar -zxvf cudnn-8.0-linux-x64-v6.0-tgz

  • 把解压后的文件夹复制到之前cuda的安装路径/usr/local/cuda/

$ sudo cp cuDNN/cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuDNN/cuda/lib64/* /usr/local/cuda/lib64/

至此，tensorflow的前期工作完成。

安装Tensorflow_gpu

在终端输入：$ pip3 install tensorflow-gpu
安装成功后，进入python，尝试import tensorflow as tf 如果没有报错就安装成功了。

    原文作者：Luffymaika
    原文地址: https://www.jianshu.com/p/81025df33c40
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞