Ubuntu16.04+cuda8.0+cudnn6.0+tensorflow1.3

安装时参考了https://www.jianshu.com/p/69a10d0a24b9

但由于版本不同,这里主要记录安装包路径, 一些注意事项,和基本过程。

CUDA8.0下载地址:https://developer.nvidia.com/cuda-80-ga2-download-archive

选择runfile类型

打开下载目录,然后:

1.sudo sh cuda_8.0.61_375.26_linux.run

注意:在安装时

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n
即这一项不安装。

2.配置系统环境

输入$ sudo gedit /etc/profile,打开 gedit ,最后两行输入

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

3.安装cudnn6.0

安装包的地址在https://developer.nvidia.com/rdp/cudnn-download这里选择:uDNN v6.0 Library for Linux解压后放在home文件夹下。然后执行命令

$ cd ~ $ sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz $ cd cuda/include $ sudo cp *.h /usr/local/include/ $ cd ../lib64 $ sudo cp lib* /usr/local/lib/ $ cd /usr/local/lib# sudo chmod +r libcudnn.so.5.1.5 $ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5 $ sudo ln -sf libcudnn.so.5 libcudnn.so $ sudo ldconfig

作者:zormin
链接:https://www.jianshu.com/p/69a10d0a24b9
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

$ cd ~ $ sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz $ cd cuda/include $ sudo cp *.h /usr/local/include/ $ cd ../lib64 $ sudo cp lib* /usr/local/lib/ $ cd /usr/local/lib# sudo chmod +r libcudnn.so.5.1.5 $ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5 $ sudo ln -sf libcudnn.so.5 libcudnn.so $ sudo ldconfig

作者:zormin
链接:https://www.jianshu.com/p/69a10d0a24b9
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

$ cd ~
$ sudo tar xvf cudnn-8.0-linux-x64-v6.0.tgz
$ cd cuda/include
$ sudo cp cudnn.h /usr/local/include/

$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib# sudo chmod +r libcudnn.so.6.0.21

$ sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
$ sudo ln -sf libcudnn.so.6 libcudnn.so
$ sudo ldconfig

4.安装tensorflow

pip3 install tensorflow_gpu==1.3


原文地址:https://www.cnblogs.com/sss423/p/8577111.html

时间: 2024-11-29 11:00:18

Ubuntu16.04+cuda8.0+cudnn6.0+tensorflow1.3的相关文章

深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

Ubuntu16.04+cuda8.0+cuDNNV5.1 + Tensorflow+ GT 840M安装小结

最近重装系统,安装了tensorflow的配置环境 总结一下. 参考资料http://blog.csdn.net/ZWX2445205419/article/details/69429518http://blog.csdn.net/u013294888/article/details/56666023http://www.2cto.com/kf/201612/578337.htmlhttp://blog.csdn.net/10km/article/details/61915535 NVIDIA驱

ubuntu16.04+cuda8.0+cudnn5.0+caffe

ubuntu安装过程(硬盘安装)http://www.cnblogs.com/zhbzz2007/p/5493395.html"但是千万不要用麒麟版!!!比原版体验要差很多!!!"开关机的时候电脑最上面 有一行 提示 一晃即过,/dev/sda6: clean(未知,单没关系)http://blog.csdn.net/xuezhisdc/article/details/48649575(意义) 1.教程1http://blog.csdn.net/zwyjg/article/detail

Ubuntu16.04 +cuda8.0+cudnn+caffe+theano+tensorflow配置明细

本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权 欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing 本文主要是介绍在ubuntu16.04下,怎么配置当下流行的深度学习框架,cuda8.0+cudnn+caffe+theano+tensorflow 安装英伟达显卡驱动 首先去官网上查看适合你GPU的驱动 (http://www.nvidia.com/Do

ubuntu16.04 cuda8.0 opencv3.2.0 caffe安装

安装过程 1.安装相关依赖项 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libopenblas-dev liblapack-dev libat

Ubuntu16.04 + cuda8.0 + GTX1080安装教程

1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从 ubuntu官方 下载64位版本: ubuntu-16.04-desktop-amd64.iso . 在MAC下制作了 Ubuntu USB 安装盘,具体方法可参考: 在MAC下使用ISO制作Linux的安装USB盘 ,之后通过Bios引导U盘启动安装Ubuntu系统: 1)一开始安装就踩了一个坑,选择”Install Ubuntu”回车后过一会儿屏幕显示“输入不支持”,google了好多方案,最终和ubunt

Ubuntu16.04+cuda8.0rc+opencv3.1.0+caffe+Theano+torch7搭建教程

https://blog.csdn.net/jywowaa/article/details/52263711 学习中用到深度学习的框架,需要搭建caffe.theano和torch框架.经过一个月的不懈奋战,终于搭建好了框架.现在分享简单的搭建过程,为后面要用到深度学习框架的同学节省时间,写了这个博客.因为框架的搭建过程会出现各种问题,不同的硬件(如笔记本.台式机).不同的软件(如依赖库.编译器)和软件的版本(如编译器版本不同,编译框架时会找不到依赖库路径)之间有上百种组合,网络中遇到问题的情况

ubuntu16.04+cuda8.0+cudnn6.0安装mxnet(极简!+成功!)

安装MXNet 1.安装 CUDA8.0对应的mxnet版本是mxnet-cu80(同理如果是CUDA9.0对应版本则是mxnet-cu90). 如果pip安装过慢,请参考 Ubuntu16.10下配置pip国内镜像源加速安装进行加速. $ sudo pip install --pre mxnet-cu80 # CUDA 8.0 2.验证安装成功 $ python或者python3 # 在python命令行中import mxnet,不报错即安装成功 import mxnet as mx a =

配置YOLO2(ubuntu16.04+cuda8.0+opencv3.1.0)

要求已经安装好了CUDA 8.0 以及OpenCV3.1.0 YOLO官方网站 配置darknet git clone https://github.com/pjreddie/darknet cd darknet make 如果没有报错输入 ./darknet 得到输出 ./darknet <function> 说明darknet配置成功 打开Makefile文件,将开头几行改为 GPU=1 CUDNN=1 OPENCV=1 接着查询自己GPU的计算能力,查看Makefile是否包含,如下我的