CUDA & cuDNN環境配置

環境

• python3.5
• tensorflow 1.3
• VUDA  8.0
• cuDNN V6.0

一、確保GPU驅動已經安裝

• lspci | grep -i nvidia 經過此命令能夠查看GPU信息
• nvidia-smi 能夠查看英偉達顯卡信息

確保gcc安裝

• gcc -v

三、確保安裝ssh

• yum install openssh-server

四、確保安裝kernel

• sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

CUDA 環境配置

安裝

• 注意：這個地方使用的是8.0，9.x 有坑
• 下載https://developer.nvidia.com/cuda-downloads
• $ sudo rpm -i cuda_installer_downloaded_file.rpm
• $ sudo yum clean all
• $ sudo yum install cuda

5.2 配置

• 添加下面配置到/etc/profile 或/etc/bashrc
• $ export PATH=/usr/local/cuda-8.0/bin:$PATH
• $ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

5.3 驗證

• nvcc -V 
• sample 中含有一個device的檢測文件，make 而後執行就能夠檢測（若是安裝正常）

5.4 cuDNN配置

• 注意：這個地方使用的是Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0，其它的for CUDA 8.0 有坑
• tar -zxvf cudnn-6.5-linux-x64-v2.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*