Ubuntu16.04+Tensorflow+CUDA9.0+cuDNN7.0 环境简明搭建指南
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Ubuntu16.04+Tensorflow+CUDA9.0+cuDNN7.0 环境简明搭建指南,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2936字,纯文字阅读大概需要5分钟。
内容图文
![Ubuntu16.04+Tensorflow+CUDA9.0+cuDNN7.0 环境简明搭建指南](/upload/InfoBanner/zyjiaocheng/978/978df69b862f46f9936cc9220a1c0247.jpg)
最近在研究风格化得内容,发现搭建环境实在是很头疼的事情,虽然网上已经有各路大神总结整理好了很多搭建指南,各种问题的解决方案都已经罗列出来供大家参考。然后参考终究是参考,真正自己上手,发现仍旧是各种坑,各种问题层出不穷。所幸最后靠着大咖们的肩膀成功了,现想总结一下本人的搭建之路,也给后来人多一个参考。当然很多下载、安装的步骤就不去明说了,请查阅文末的参考文章。
一、安装N卡驱动
请参考:Ubuntu16.04 Nvidia显卡驱动简明安装指南
https://www.cnblogs.com/sharpeye/p/10104188.html
二、安装CUDA-9.0
下载如下文件:
cuda_9.0.176_384.81_linux.run
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run ... 等更新文件
[传送门] https://developer.nvidia.com/cuda-90-download-archive
在安装之前先执行如下代码,添加依赖:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
再执行:
$ sudo chmod +x cuda_9.0.176_384.81_linux.run $ sudo chmod +x cuda_9.0.176.1_linux.run $ sudo chmod +x cuda_9.0.176.2_linux.run $ ./cuda_9.0.176_384.81_linux.run --override $ ./cuda_9.0.176.1_linux.run $ ./cuda_9.0.176.2_linux.run
三、安装cuDNN7.0
下载cuDNN7.0文件 [传送门] https://developer.nvidia.com/rdp/cudnn-archive (需要注册·登录)
解压文件:
$ tar -zxvf cudnn-9.0-linux-x64-v7.tgz
把文件移到cuda目录下:
$ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/ $ sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/
3.给文件读取的权限
$ sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
至此cudnn配置完成
四、安装anaconda
安装git:
sudo apt install git
克隆pyenv仓库,安装 pyenv:
git clone https://github.com/yyuu/pyenv.git ~/.pyenv
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
exec $SHELL -l
source ~/.bashrc
重启终端 !
查看可供安装的版本:
pyenv install –list
安装anaconda
pyenv install anaconda3-5.0.1 pyenv rehash
查看版本
pyenv versions
切换版本
pyenv global anaconda3-5.0.1
通过Anaconda安装Tensorflow:
conda create -n tensorflow-gpu python=3.5 source activate tensorflow-gpu #激活环境 source deactivate tensorflow-gpu #关闭环境 pip install tensorflow-gpu==1.5.0
如果发现以后使用当中出现 ImportError: libcublas.so.9.0: cannot open shared object file 的错误,可尝试以下解决方法:
sudo ldconfig /usr/local/cuda-9.0/lib64 export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
添加到配置中去
参考:
http://www.cnblogs.com/lypniuyou/p/9518751.html
https://www.jianshu.com/p/eb6a52925566
https://blog.csdn.net/KGzhang/article/details/78619434
https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html
https://www.jianshu.com/p/eb6a52925566
https://blog.csdn.net/AllenIrving/article/details/80406709
https://blog.csdn.net/weixin_40920290/article/details/80462734
https://blog.csdn.net/sinat_40276791/article/details/80403784?utm_source=blogxgwz5
https://blog.csdn.net/zhuoyueljl/article/details/83011641
内容总结
以上是互联网集市为您收集整理的Ubuntu16.04+Tensorflow+CUDA9.0+cuDNN7.0 环境简明搭建指南全部内容,希望文章能够帮你解决Ubuntu16.04+Tensorflow+CUDA9.0+cuDNN7.0 环境简明搭建指南所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。