Ubuntu安装GPU版TensorFlow

文章目录

1. 环境准备
2. 安装CUDA和cuDNN
3. 安装TensorFlow

2017.12.5 CUDA 与 cuDNN的最新版本均已经有所变化，不过安装方式相同。

当前环境如下:

• Ubuntu 16.04.1 LTS
• GeForce GTX 960M
• CUDA 8.0
• cuDNN V5.1 Library

环境准备

首先检查自己的GPU是否支持CUDA，

#查看显卡类型
$ lspci | grep -i nvidia

在输出中找到自己的的显卡类型，然后到http://developer.nvidia.com/cuda-gpu 找到自己的型号：

我本机的环境如下:

• Ubuntu 16.04.1 LTS
• GeForce GTX 960M

下面开始安装。

安装CUDA和cuDNN

1. 下载CUDA: https://developer.nvidia.com/cuda-downloads，下载对应版本的cuda安装包，下载对应版本的cuda安装包，推荐下载最新版本的8.0版本，deb版的本地安装比较方便。

   

2. 下载完成之后，直接执行如下的命令进行安装即可:

   sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
   sudo apt update
   sudo apt install cuda

   注: 下载完成之后，deb的名称可能有一个oauth的后缀，直接重命令删掉就好了。如果报错由于没有公钥，无法验证下列签名： NO_PUBKEY FAF69C646FF2377B的问题, 则添加下公钥即可:

   sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys FAF69C646FF2377B

   之后再sudo apt update 即可

3. 下载cuDDN：https://developer.nvidia.com/rdp/cudnn-download ， 这里需要注册个帐号，然后才可以下载。

   

   这里有个版本需要注意，最好下载 cuDNNv5.1 Library版本的。 虽然V5.0也支持 CUDA 8.0，但是在后续跑TensorFlow的时候，会报错，后来才重新下载了V5.1的，才能正常运行。

4. 拷贝库文件 将下载下的cuDNN压缩包执行如下命令:

   tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
   cd cuda
   sudo cp lib64/* /usr/local/cuda/lib64/ -d
   sudo cp include/cudnn.h /usr/local/cuda/include/

5. 修改环境变量 修改.bashrc或者/etc/profile等，加入如下的环境变量:

   ## CUDA
   export CUDA_HOME=/usr/local/cuda
   export PATH=${CUDA_HOME}/bin/:$PATH
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64:$CUDA_HOME/extras/CUPTI/lib64

   之后执行source .bashrc立即生效

6. 测试是否成功 进入/usr/local/cuda/samples，编译运行某个sample:

   sudo make all -j4

   全部编译完成后，进入 samples/bin/x86_64/linux/release，运行deviceQuery：

   ./deviceQuery

   显示有可用的GPU，即可成功:

安装TensorFlow

直接使用pip安装即可：当前版本为1.4:

sudo  pip install tensorflow-gpu

安装完成之后，尝试import tensorflow:显示如下即可成功（最新版tf显示信息有所差异）

In [1]: import tensorflow
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcurand.so locally
In [2]:

在代码使用的时候，只需要指定GPU即可(当然tf也会默认使用GPU):

with tf.device('/gpu:0'):

即可使用GPU运行TensorFlow程序。速度比CPU快很多，跑一个CNN文本分类的程序，CPU版本，用8核i7处理器几乎保持600%的利用率，训练半小时还未结束，换为GPU版本，10分钟结束！ 另外提供一个使用watch实时查看nvidia显卡状态的命令，每隔1s显示状态:

watch -n 1 nvidia-smi