【转】Ubuntu 16.04安装配置TensorFlow GPU版本

之前摸爬滚打总是各种坑，今天参考这篇文章终于解决了，甚是鸡冻\(≧▽≦)/，电脑不知道怎么的，安装不了16.04，就安装15.10再升级到16.04

requirements：

  • Ubuntu 16.04
  • python 2.7
  • Flask
  • tensorflow GPU 版本

安装nvidia driver

经过不断踩坑的安装，终于google到了靠谱的方法，首先检查你的NVIDIA VGA card model

sudo lshw -numeric -C display


可以看到你的显卡信息，比如我的就是 product: GM107M [GeForce GTX 950M] [10DE:139A]，然后去NVDIA driver search page搜索你的显卡需要的驱动型号，页面如下：

下面是我的电脑对应的驱动版本

LINUX X64 (AMD64/EM64T) DISPLAY DRIVER

Version:    375.20
Release Date:   2016.11.18
Operating System:   Linux 64-bit
Language:   English (US)
File Size:  72.37 MB

从搜索的结果页面看到，我的驱动版本应该是375.20,为了再次确认一遍，你还可以使用这个命令查看你可以使用的驱动：

ubuntu-drivers devices
 

结果显示和搜索到的驱动版本一样，推荐也是375

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
vendor   : NVIDIA Corporation
model    : GM107M [GeForce GTX 950M]
modalias : pci:v000010DEd0000139Asv000017AAsd0000380Bbc03sc02i00
driver   : nvidia-367 - third-party free
driver   : nvidia-375 - third-party free recommended
driver   : nvidia-364 - third-party free
driver   : nvidia-358 - third-party free
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-370 - third-party free

== cpu-microcode.py ==
driver   : intel-microcode - distro non-free

好了，终于可以安装对应的驱动了，使用以下命令

version: 375
sudo apt-get install nvidia-375

//你自己的版本
//version : xxx
//sudo apt-get install nvidia-xxx

什么，安装很慢，找不到包？更换一下软件源，这个自己google怎么更换，最简单的就是图形界面里面找到System->settings->Software&Updates，然后换一下源，比如阿里云或者中科大（我突然不能链接中科大镜像了，真实坑）,然后再执行一下命令

sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
 

安装完成之后，重启电脑，驱动应该就完成了！你可以在dashboard上搜索nvidia，看到像 NVIDIA X Server Settings的东西，就说明安装驱动成功了，接下来就是安装cuda8了

安装cuda8

首先也是去下载cuda toolkit 8.0,可以自己注册一个账号。

一定要选择runfile.下载完成之后，执行

sudo sh cuda_8.0.44_linux.run --override
 

然后就进入安装过程，开始都是End User License Agreement，你可以CTRL +C 跳过，然后accept，下面就是安装的交互界面，开始的Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?选择n，因为你已经安装驱动了。

Using more to view the EULA.
End User License Agreement
--------------------------

Preface
-------

The following contains specific license terms and conditions
for four separate NVIDIA products. By accepting this
agreement, you agree to comply with all the terms and
conditions applicable to the specific product(s) included
herein.

NVIDIA CUDA Toolkit

Description

The NVIDIA CUDA Toolkit provides command-line and graphical
tools for building, debugging and optimizing the performance
of applications accelerated by NVIDIA GPUs, runtime and math
libraries, and documentation including programming guides,
user manuals, and API references. The NVIDIA CUDA Toolkit
License Agreement is available in Chapter 1.

Default Install Location of CUDA Toolkit

Windows platform:

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-8.0 ]:  

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y 

Enter CUDA Samples Location
 [ default is /home/kinny ]: 

Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
Missing recommended library: libXmu.so

Installing the CUDA Samples in /home/kinny ...
Copying samples to /home/kinny/NVIDIA_CUDA-8.0_Samples now...
Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-8.0
Samples:  Installed in /home/kinny, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-8.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_17494.log

配置cuda环境变量

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

nvidia-smi
 

结果出现以下输出，说明配置成功

安装深度学习库cuDNN

首先??载cuDNN5.1，直接下载是非常慢的，必须走代理，我用的是终端下载的方法，注意前提是你已经注册为开发者了！

proxychains wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v5.1/prod/8.0/cudnn-8.0-linux-x64-v5.1-tgz

这个会被forbidden，因为没有认证，开发者需要认证才能下载，你先用chrome下载，然后到show all里面去copy真实的下载地址
proxychains wget http://developer.download.nvidia.com/compute/machine-learning/cudnn/secure/v5.1/prod/8.0/cudnn-8.0-linux-x64-v5.1.tgz?autho=1479703345_7fbb517b03361780b45a2c43277bb9ac&file=cudnn-8.0-linux-x64-v5.1.tgz

这次成功了！！速度还可以！不过下载下来的文件名字有问题，修改成cudnn-8.0-linux-x64-v5.1.tgz就可以了

然后是解压
tar xvzf cudnn-8.0-linux-x64-v5.1.tgz

然后将库和头文件copy到cuda目录（一定是你自己安装的目录如/usr/local/cuda-8.0）,不过正确安装的话，ubuntu一般就会有软链接/usr/local/cuda -> /usr/local/cuda-8.0/
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*

安装tensorflow gpu enable python 2.7 版本

sudo pip install tensorflow-gpu
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl
sudo pip install --upgrade $TF_BINARY_URL


验证
$python
Python 2.7.12 (default, Jul  1 2016, 15:12:24)
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcurand.so locally
>>> quit()
大功告成！

错误

1.libcudart.so.8.0: cannot open shared object file: No such file or directory

======================================================================================

【如果每次开启都显示此错误，则需要打开变量文件设置变量】

  1. 打开终端并输入：

    sudo gedit ~/.bashrc。

  2. 输入用户密码。这时输入的密码是不可见的。
  3. 前面的步骤会打开.bashrc文件，在其末尾添加： 
    export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
  4. 使其立即生效，在终端执行：

    source ~/.bashrc

    或者重启电脑即可。

=============================================================================================================

kinny@kinny-Lenovo-XiaoXin:~/Study/tensorflow-0.11.0rc0/tensorflow/models/image/mnist$ python convolutional.py
Traceback (most recent call last):
  File "convolutional.py", line 34, in <module>
    import tensorflow as tf
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/__init__.py", line 23, in <module>
    from tensorflow.python import *
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/__init__.py", line 49, in <module>
    from tensorflow.python import pywrap_tensorflow
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 28, in <module>
    _pywrap_tensorflow = swig_import_helper()
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 24, in swig_import_helper
    _mod = imp.load_module(‘_pywrap_tensorflow‘, fp, pathname, description)
ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory

方法是设置环境变量，把以前设置的cuda环境变量改成一下这样，这个是tensorflow官网上要求的环境变量；{}

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
 

2.TypeError: run() got an unexpected keyword argument ‘argv’

Traceback (most recent call last):
  File "convolutional.py", line 339, in <module>
    tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)
TypeError: run() got an unexpected keyword argument ‘argv‘

方法是把main里面的argv参数去掉

使用python 虚拟环境

使用gpu版本运行mnist例子非常慢，基本卡死在数据下载和读取上了！为了比较gpu和cpu的性能，使用虚拟环境安装了tensorflow的cpu版本；

sudo apt-get install python-pip python-dev python-virtualenv

mkdir py2virtualenv
virtualenv --system-site-packages ~/py2virtualenv/tensorflowcpu
source ~/py2virtualenv/tensorflowcpu/bin/activate
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl
pip install --upgrade $TF_BINARY_URL

原来cpu版本数据读取和下载很快！cpu适合做IO和简单逻辑运算和加减，但是gpu不行，gpu不适合做高IO和加减法，但是在做矩阵运算表现十分强悍，我在把mnist数据集下载到本地后，分别使用cpu版本和gpu版本跑tensorflow/tensorflow/models/image/mnist/convolutional.py，结果显示：

//cpu版本
Step 8100 (epoch 9.43), 130.6 ms
Minibatch loss: 1.630, learning rate: 0.006302
Minibatch error: 0.0%
Validation error: 0.8%
平均每 100 次 130.64ms 左右

real  19m5.685s
user  67m33.720s
sys 0m12.340s

//gpu版本
Step 8100 (epoch 9.43), 23.2 ms
Minibatch loss: 1.634, learning rate: 0.006302
Minibatch error: 0.0%
Validation error: 0.9%
平均每 100 次 23.2ms 左右

real  3m28.296s
user  2m45.888s
sys 0m29.064s

GPU在矩阵密集运算方面完虐cpu，大概是6倍。我的是GTX 950M,不知道现在的GTX 1080M是什么情况。

Caffe 深度学习入门教程  http://www.linuxidc.com/Linux/2016-11/136774.htm

Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装 http://www.linuxidc.com/Linux/2016-07/132860.htm

Ubuntu 16.04系统下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htm

Caffe在Ubuntu 14.04 64bit 下的安装 http://www.linuxidc.com/Linux/2015-07/120449.htm

深度学习框架Caffe在Ubuntu下编译安装  http://www.linuxidc.com/Linux/2016-07/133225.htm

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明  http://www.linuxidc.com/Linux/2015-04/116444.htm

Ubuntu 16.04上安装Caffe http://www.linuxidc.com/Linux/2016-08/134585.htm

Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 )  http://www.linuxidc.com/Linux/2016-09/135016.htm

Ubuntu 16.04上安装Caffe(CPU only)  http://www.linuxidc.com/Linux/2016-09/135034.htm

更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=2

本文原文链接地址：http://www.linuxidc.com/Linux/2016-11/137561.htm

时间： 2024-10-18 10:31:10

【转】Ubuntu 16.04安装配置TensorFlow GPU版本的相关文章

Ubuntu 16.04安装Zabbix 3.2 版本

系统环境:ubuntu16.04 注意:为了便于实验测试,需要关闭防火墙: [email protected]:~$ sudo systemctl stop ufw [email protected]:~$ sudo systemctl status ufw ● ufw.service - Uncomplicated firewall Loaded: loaded (/lib/systemd/system/ufw.service; enabled; vendor preset: enabled)

Ubuntu 16.04安装QQ国际版图文详细教程

      因工作需要,我安装了Ubuntu 16.04,但是工作上的很多事情需要QQ联系,然而在Ubuntu上的WebQQ很是不好用,于是在网上搜索了好多个Linux版本的QQ,然而不是功能不全,就是界面丑到爆,要么就是不稳定:最后,找到了个人认为最好用的QQ-WineQQ国际版. 说明:一开始,我在Ubuntu 16.04下安装的QQ版本是Wineqq2013SP6-20140102-Longene,但后来发现这个版本QQ在linux下问题很多,比如不能 用键盘输入密码,QQ表情使用失灵,有

Ubuntu 16.04 安装QQ解决方案

1 前言 经过3天的折腾,研究了一下Linux下安装QQ的几种方法,总结一下,Linux下安装QQ的方法主要有以下几种: 安装wineQQ国际版 VirtualBox安装windows,再安装QQ,然后开启无缝模式 Genymotion模拟器安装安卓QQ crossover安装TMQQ2013或者DeepinQQ 首先声明,Linux下没有一种方法能够达到windows qq的那种体验,所以有很多安装方法,每种方法都或多或少有不爽的地方,qq对于linux很不友好,所以博主安装后的体会是: 珍惜

Ubuntu 16.04 安装Mysql 5.7 踩坑小记

title:Ubuntu 16.04 安装Mysql 5.7 踩坑小记 date: 2018.02.03 安装mysql sudo apt-get install mysql-server mysql-client 测试是否安装成功 sudo netstat -tap | grep mysql 相关操作 登录 mysql -uroot -p 检查MySQL服务器占用端口 netstat -nlt|grep 3306 检查MySQL服务器系统进程 ps -aux|grep mysql 查看数据库的

Ubuntu 16.04安装Java JDK

Java JDK有两个版本,一个开源版本Openjdk,还有一个Oracle官方版本jdk.下面记录在Ubuntu 16.04上安装Java JDK的步骤. 安装openjdk 更新软件包列表: $ sudo apt-get update 安装openjdk-8-jdk: $ sudo apt-get install openjdk-8-jdk 查看java版本: $ java -version 安装Oracle Java JDK 首先,安装依赖包: $ sudo apt-get install

Ubuntu 16.04 安装opencv的各种方法（含opencv contrib扩展包安装方法）

Ubuntu 16.04 安装opencv的各种方法(含opencv contrib扩展包安装方法) https://blog.csdn.net/ksws0292756/article/details/79511170 本文主要介绍安装opencv C++接口和python接口的几种方法. 首先介绍C++接口的,然后介绍Python接口的 C++接口安装 采用源码编译的安装方式,基本也就是这种方法了,首先在官网下载你想安装的版本的opencv压缩包,下载连接如下: https://github.

Ubuntu 16.04下配置nginx与nodejs以及服务的部署

title: Ubuntu 16.04下配置nginx与nodejs以及服务的部署 date: 2019-05-05 22:45:49 tags: Linux --- 第一步:安装nginx sudo apt-get update sudo apt-get install nginx 如果遇到依赖问题,尝试执行sudo apt-get -f install命令 第二步:配置nginx 首先备份原先的配置文件:sudo cp /etc/nginx/sites-available/default /

Ubuntu 16.04 安装 Kodi v17 “Krypton” Alpha 2

Ubuntu 16.04 安装 Kodi v17 “Krypton” Alpha 2:sudo add-apt-repository ppa:team-xbmc/xbmc-nightlysudo apt-get updatesudo apt-get install kodi 安装插件编码sudo apt-get install kodi-audioencoder-* kodi-pvr-* 移除 Kodi v17sudo apt-get remove kodi* 本文永久更新地址:http://w

Ubuntu 12.04 安装配置 Apache2

Apache2安装 1 我们使用root账户进行安装,首先切换到root账户,输入命令: sudo su 2 安装 Apache2 apt-get install apache2 在浏览器输入你服务器ip地址列入,如http://10.103.30.201.查看Apache2是否工作,如果显示(It works!),说明已经工作. Apache 在 Ubuntu 中默认文档根目录为 /var/www,配置文件 /etc/apache2/apache2.conf,额外配置存储子目录 /etc/ap