转载:@H_301_5@
仰望大牛的小清新@H_301_5@:http://www.cnblogs.com/luruiyuan/
本文原网址@H_301_5@:http://www.cnblogs.com/luruiyuan/p/6660142.html
我用的Ubuntu版本是 16.04 ,并且使用了 gnome 作为桌面(这一点无关紧要),经历了许多波折,终于完成了以 tensorflow 为后端的 keras 的安装。
tensorflow-GPU 版本的安装:
1.下载 CUDA 8.0@H_301_5@
地址:https://developer.nvidia.com/cuda-downloads
安装如下版本:
2.下载 cuDNN v5@H_301_5@(这里我下载的是 v6,但是事实证明 tensorflow 不直接支持 v6,除非你自己编译时制定了 v6,否则按照如下教程安装的 tensorflow 只能加载 v5)
地址:https://developer.nvidia.com/cudnn
3.安装 NVIDIA 驱动:@H_301_5@@H_301_5@
首先打开 terminal,输入一下指令,更新应用列表
sudo@H_301_5@ apt-get update
多亏了 Linux 社区的强大支持,我们可以用很简洁的方式安装驱动:
按下 win 按键,打开菜单,如图:
然后在上方的 type to search 中输入: additional drivers 打开 "additional drivers —— 附加驱动",然后选择 与自己显卡匹配的 NVIDIA 驱动,我这里是
using nvidia binary drivers (375)
然后选择 应用更改,这里安装可能会失败,此时你可以继续选择应用更改,多安装几次即可
安装完成后,选择 restart
4. gcc 降版本@H_301_5@
CUDA8.0 不支持 gcc 5.0 及以上的编译器,而系统自带的是5.4及以上版本,因此我们需要降版本,否则会在后面报错
在terminal中输入如下指令,将 gcc 版本降到 4.9
sudo@H_301_5@ apt-get install@H_301_5@ g++-4.9@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/gcc@H_301_5@ gcc@H_301_5@ /usr/bin/gcc@H_301_5@-4.9@H_301_5@ 20@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/gcc@H_301_5@ gcc@H_301_5@ /usr/bin/gcc@H_301_5@-5@H_301_5@ 10@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/g++ g++ /usr/bin/g++-4.9@H_301_5@ 20@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/g++ g++ /usr/bin/g++-5@H_301_5@ 10@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/cc@H_301_5@ cc@H_301_5@ /usr/bin/gcc@H_301_5@ 30@H_301_5@
sudo@H_301_5@ update-alternatives --set cc@H_301_5@ /usr/bin/gcc@H_301_5@
sudo@H_301_5@ update-alternatives --install@H_301_5@ /usr/bin/c++ c++ /usr/bin/g++ 30@H_301_5@
sudo@H_301_5@ update-alternatives --set c++ /usr/bin/g++
5.安装 CUDA 8.0@H_301_5@@H_301_5@
cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入cuda 所在文件夹 # 根据官网上的提示安装 cuda @H_301_5@8.0@H_301_5@ sudo@H_301_5@ dpkg -i cuda-repo-ubuntu1604-8@H_301_5@-0@H_301_5@-rc_8.0.27@H_301_5@-1_amd64.deb @H_301_5@sudo@H_301_5@ apt-get update @H_301_5@sudo@H_301_5@ apt-get install@H_301_5@ cuda
cd cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径 @H_301_5@tar@H_301_5@ xvzf cudnn-8.0@H_301_5@-linux-x64-v6.0@H_301_5@.tgz # 解压 @H_301_5@sudo@H_301_5@ cp@H_301_5@ cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中 @H_301_5@sudo@H_301_5@ cp@H_301_5@ cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中 @H_301_5@sudo@H_301_5@ chmod@H_301_5@ a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去
7. 配置CUDA环境变量@H_301_5@
开启 GPU 支持:
根据官网教程
我们在terminal中键入下列命令:
然后在打开的文本末尾加入:
export LD_LIBRARY_PATH="@H_301_5@$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64@H_301_5@"@H_301_5@
export CUDA_HOME@H_301_5@=/usr/local/cuda
保存并关闭后,输入下列命令使环境变量生效:
source ~/.bash_profile # 使被更改的环境变量生效
安装完成后,一定要通过如下两条命令对驱动进行检验:
1. NVIDIA的设置界面
nvidia-settings # 打开 NVIDIA 设置界面
这条指令打开的界面如下:
2. NVIDIA GPU 列表
nvidia-smi
这条指令会在 terminal 中产生GPU列表,如,我这里只有一个GPU
网上有些人抄别人的博客,说 nvcc -V 就可以验证,经过我实测,存在 nvcc -V 正常输出但是驱动仍安装失败的现象,因此,上述验证方法是不可信的@H_301_5@。
8.安装 python3.5.2@H_301_5@@H_301_5@
由于tensorflow1.0 对于 python3 支持更好,并且目前只支持python3.5.2,因此我们选择 python 3.5.2。
使用 Anaconda3-4.2.0-Linux-x86_64.sh 进行安装,地址如下:
https://repo.continuum.io/archive/
安装完成后,添加环境变量,将其设置为默认的 python 解释器
首先打开环境变量的文件
gedit ~/.bashrc
然后在文件末尾加入 anaconda3 的路径
export PATH=/home/你的路径/anaconda3/bin:$PATH
最后使我们的改动生效
source ~/.bashrc
这样,我们在terminal中输入 python 就会默认打开 anaconda3
这样我们就可以安心使用python3了。
9.安装 keras 和 tensorflow
有了上述安装过程,我们系统中默认的pip将会是anaconda3中自带的pip,这样我们只需要使用pip即可安装 keras 和 tensorflow 到 anaconda 中。
执行如下命令:
pip install@H_301_5@ tensorflow-gpu keras # 安装 gpu 版本的 tensorflow 和 keras
安装完成后,我们使用如下命令,即可检验是否成功:
如果看到如下输出,就说明安装成功
当然了,我这里安装的 cuDNN 由于版本过高,暂时不能被pip安装的tensorflow所支持,如果改为 cuDNN v5 就能够正常支持了。
希望自己的这篇文章能对像我一样的新手有所帮助。
参考资料: