首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建

Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建

作者头像
sean_yang
发布2019-03-15 14:29:46
1.9K0
发布2019-03-15 14:29:46
举报
文章被收录于专栏:Sorrower的专栏Sorrower的专栏

前言

之前写过cuda环境的搭建文章, 这次干脆补全整个深度学习环境的搭建.


开发环境一览

  • CPU: Intel core i7 4700MQ
  • GPU: NVIDIA GT 750M
  • OS: UBUNTU 18.04.1LTS 64位

用指令看下英伟达显卡:

lspci | grep -I nvidia

NVIDIA GT 750M

当你搭建完成环境之后, 可以用代码查看硬件信息, 自己写或者官方的例子, 我的NVIDIA GT 750M信息显示如下图, 当然可以直接到英伟达官网查看显卡信息. 这张信息表目前看来就是些参数, 但是后续的并行算法很多时候是依据这些参数来设计的:

显卡信息

官方例子显卡信息


显卡驱动安装

千万不要用UBUNTU附加驱动里提供的显卡驱动!!! 千万不要用UBUNTU附加驱动里提供的显卡驱动!!! 千万不要用UBUNTU附加驱动里提供的显卡驱动!!! 一般来说, 你会遇到一些奇怪的问题, 当然, 锦鲤是不会出问题的(手动滑稽). 这是第一个坑点, 大体有三种展现方式:

  • 装完重启进不去系统, 卡住ubuntu加载页面;
  • 无限登录;
  • 装好了, 进入了系统, 然后输入nvidia-smi指令没有任何反应. 正常情况会弹出一张表, 如下所示:

nvidia-smi


下载驱动

行了, 来说说我的实操: 首先到官网下载显卡驱动, 比方说我是GT 750M, 操作系统是64位Linux, 我就找对应的版本进行下载.

下载驱动

下载驱动

删掉以往的驱动. 注意, 就算你啥都没装, 这步也是无害的.

sudo apt-get remove --purge nvidia*

更新并安装一些需要的库, 先装这么多, 之后装CUDA还有一波.

sudo apt-get update
sudo apt-get install dkms build-essential linux-headers-generic

禁用nouveau

打开blacklist.conf, 在最后加入禁用nouveau的设置, 这是一个开源驱动, 如图所示:

sudo vim /etc/modprobe.d/blacklist.conf
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

禁用nouveau

禁用nouveau内核模块

echo options nouveau modeset=0
sudo update-initramfs -u

重启. 如果运行如下指令没用打印出任何内容, 恭喜你, 禁用nouveau成功了.

lsmod | grep nouveau

安装驱动

来到tty1(快捷键ctrl + alt + f1,如果没反应就f1-f7一个个试, 不同Linux, 按键会略有不同). 运行如下指令关闭图形界面.我在ubuntu18.04.1LTS是ctrl + alt + f3-f6. 然后注意, 以下指令适用于16.04及以前.

sudo service lightdm stop

这不适用于18.04. 18.04可以如下操作:

  • 关闭用户图形界面
sudo systemctl set-default multi-user.target
sudo reboot

  • 开启用户图形界面
sudo systemctl set-default graphical.target
sudo reboot

安装驱动, 注意有坑, 一定要加-no-opengl-files, 不加这个就算安装成功, 也会出现无限登录问题. 但是在最近几次安装环境的时候, 例如系统是18.04, 驱动是418.43, 这个参数变得无效. 所以如果不能开启安装页面, 可以去掉此参数.

sudo chmod u+x NVIDIA-Linux-x86_64-390.87.run 
sudo ./NVIDIA-Linux-x86_64-390.87.run –no-opengl-files

安装驱动

安装驱动

如果你已经装了, 但是没有加-no-opengl-files, 按照如下操作可以救一下. 或者你安装失败了, 有些库缺少了之类的, 可以用以下命令卸载干净重来.

sudo ./NVIDIA-Linux-x86_64-390.87.run –uninstall

顺带一提, 可能会弹出Unable to find a suitable destination to install 32-bit compatibility libraries on Ubuntu 18.04 Bionic Beaver Linux的bug, 然后你需要下面三条指令:

sudo dpkg --add-architecture i386
sudo apt update
sudo apt install libc6:i386

并且中途的选项都选no比较好, 指不定卡死在安装哪个奇怪的东西上.

重启. 用nvidia-smi指令试一下, 如果看到类似下图, 恭喜你, 驱动安装成功. 或者看到附加驱动显示继续使用手动安装的驱动.

nvidia-smi

安装之后在软件和更新当中会显示如下图:

附加驱动


安装CUDA10.0

先来补库.

sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

官网下载要的CUDA版本, 我这里是10.0, 下载runfile(local)版本, 如下图所示:

安装CUDA10.0

md5检测一下, 不合格要重新下载. 下图是我的检测结果:

md5sum cuda_10.0.130_410.48_linux.run

md5

再次关闭图形界面

sudo service lightdm stop

这不适用于18.04. 18.04可以如下操作:

  • 关闭用户图形界面
sudo systemctl set-default multi-user.target
sudo reboot

  • 开启用户图形界面
sudo systemctl set-default graphical.target
sudo reboot

安装时候依旧要加-no-opengl-files参数, 之后一路默认就好. 最好不要安装与OpenGL相关的.

sudo sh cuda_10.0.130_410.48_linux.run –no-opengl-files

安装过程

然后会看到三个installed.

安装成功

添加环境变量

vim ~/.bashrc

最后写入:

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存退出, 并其生效.

source ~/.bashrc

运行一些检测命令, 如果和我显示的类似, 恭喜你, 环境配置完成.

cat /proc/driver/nvidia/version
nvcc -V

环境检测

可以跑一下英伟达提供的学习案例:

deviceQuery


第一个CUDA程序

之前在开发环境部分展示过一个小栗子, 来看看具体代码吧~

vim Device.cu
#include <stdio.h>
int main() {
        int nDevices;

        cudaGetDeviceCount(&nDevices);
        for (int i = 0; i < nDevices; i++) {
                cudaDeviceProp prop;
                cudaGetDeviceProperties(&prop, i);
                printf("Device Num: %d\n", i);
                printf("Device name: %s\n", prop.name);
                printf("Device SM Num: %d\n", prop.multiProcessorCount);
                printf("Share Mem Per Block: %.2fKB\n", prop.sharedMemPerBlock / 1024.0);
                printf("Max Thread Per Block: %d\n", prop.maxThreadsPerBlock);
                printf("Memory Clock Rate (KHz): %d\n",
                   prop.memoryClockRate);
                printf("Memory Bus Width (bits): %d\n",
                   prop.memoryBusWidth);
                printf("Peak Memory Bandwidth (GB/s): %.2f\n\n",
                   2.0 * prop.memoryClockRate * (prop.memoryBusWidth / 8) / 1.0e6);
        }
        return 0;
}
nvcc Device.cu -o Device.o
./Device.o

第一个CUDA程序


安装cudnn7.5

首先到官网去下载勾选的4个:

cudnn7.5

然后解压tgz包, 复制文件到cuda环境, 接着安装deb包.

tar -zxvf cudnn-10.0-linux-x64-v7.5.0.56.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*

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda10.0_amd64.deb

这样就完成安装了, 用个小栗子来测试下吧, 结果如图示:

cp -r /usr/src/cudnn_samples_v7/ ~
cd ~/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

结果


安装TensorFlow1.13

很遗憾我的GPU算力只有3.0, 最低要求是3.5, 不过这里还是安装一下tf, 当做练手了.

sudo apt-get install python-pip python3-pip python-dev
sudo pip3 install tensorflow-gpu

安装图示

可以用如下python代码查询版本号和路径:

#!/usr/bin/python3
import tensorflow as tf

print (tf.__version__)
print (tf.__path__)

image.png

最后我给出一个测试例子, 但是很遗憾, 我是无法运行的.

#!/usr/bin/python3

import tensorflow as tf
# Just disables the warning, doesn't enable AVX/FMA
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

hello = tf.constant("Hello, tf!")
sess = tf.Session()
printf (sess.run(hello))

效果图


最后

喜欢记得点赞哦, 有意见或者建议评论区见~

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019.03.09 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前言
  • 开发环境一览
  • 显卡驱动安装
    • 下载驱动
      • 禁用nouveau
        • 安装驱动
        • 安装CUDA10.0
        • 第一个CUDA程序
        • 安装cudnn7.5
        • 安装TensorFlow1.13
        • 最后
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档