Ubuntu18.04下深度學習環境---TensorFlow(GPU)環境搭建

Ubuntu18.04下深度學習環境—TensorFlow(GPU)環境搭建

本人已是第二次搭建環境,此次徹底採用Anaconda進行環境搭建.系統環境也是從新裝機的新系統

安裝步驟

1. 驅動安裝

• 添加顯卡驅動源

  sudo add-apt-repository ppa:graphics-drivers/ppa

• 更新附加驅動

  sudo apt-get updata

• 安裝驅動

  打開"軟件和更新"->"附加驅動",能夠看到已經有顯卡驅動添加到附加驅動中,只須要選擇安裝便可
  安裝完成後,須要重啓才能夠生效

• 驗證

  nvidia-smi

2. 安裝Anaconda

• 選擇本身須要的版本下載,執行

  sudo sh XXX.sh
  #安裝過程重須要確認,根據提示輸入yes/enter便可

• 添加conda到系統變量中

  vi /etc/profile
  #添加
  export PATH="/home/dell/anaconda3/bin:$PATH"
  #後面的路徑是本人本身的安裝路徑,須要修改成本身的安裝路徑,anaconda的默認安裝路徑爲當前用戶下的anaconda3/
  source /etc/profile #使環境變量生效,若是這樣無論用的話,就重啓.重啓後,系統默認爲base下的虛擬環境

• 驗證conda

  #輸入
  conda -V
  #顯示版本號即爲安裝成功

• 問題

  在使用conda install 命令時會出現安裝權限的問題,此時須要修改conda的權限
  sudo chmod -R 777 /home/dell/anaconda3

3. 安裝cuda

注意:cuda的版本必定要和驅動的版本相匹配,否則一切都是白作.個人驅動版本安裝的是390,對應的cuda應該是9.1,可是在利用conda search cudatoolkit查看cuda版本的時候,並無9.1版本,因此安裝的是cuda9.0版本

• 安裝

  conda install cudatoolkit==9.0

4. 安裝cudnn和tensorflow-gpu

在這裏就體現出了conda安裝的方便之處,它會自動匹配相應的版本進行安裝

• 命令

  conda install cudnn
  conda install tensorflow-gpu

5. 驗證環境

• 運行程序

  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))

• 運行結果
  

其實,只要沒報錯就說明安裝成功!!!