Ubuntu18.04下深度学习环境---TensorFlow(GPU)环境搭建

Ubuntu18.04下深度学习环境—TensorFlow(GPU)环境搭建

本人已是第二次搭建环境,此次彻底采用Anaconda进行环境搭建.系统环境也是从新装机的新系统

安装步骤

1. 驱动安装

• 添加显卡驱动源

  sudo add-apt-repository ppa:graphics-drivers/ppa

• 更新附加驱动

  sudo apt-get updata

• 安装驱动

  打开"软件和更新"->"附加驱动",能够看到已经有显卡驱动添加到附加驱动中,只须要选择安装便可
  安装完成后,须要重启才能够生效

• 验证

  nvidia-smi

2. 安装Anaconda

• 选择本身须要的版本下载,执行

  sudo sh XXX.sh
  #安装过程重须要确认,根据提示输入yes/enter便可

• 添加conda到系统变量中

  vi /etc/profile
  #添加
  export PATH="/home/dell/anaconda3/bin:$PATH"
  #后面的路径是本人本身的安装路径,须要修改成本身的安装路径,anaconda的默认安装路径为当前用户下的anaconda3/
  source /etc/profile #使环境变量生效,若是这样无论用的话,就重启.重启后,系统默认为base下的虚拟环境

• 验证conda

  #输入
  conda -V
  #显示版本号即为安装成功

• 问题

  在使用conda install 命令时会出现安装权限的问题,此时须要修改conda的权限
  sudo chmod -R 777 /home/dell/anaconda3

3. 安装cuda

注意:cuda的版本必定要和驱动的版本相匹配,否则一切都是白作.个人驱动版本安装的是390,对应的cuda应该是9.1,可是在利用conda search cudatoolkit查看cuda版本的时候,并无9.1版本,因此安装的是cuda9.0版本

• 安装

  conda install cudatoolkit==9.0

4. 安装cudnn和tensorflow-gpu

在这里就体现出了conda安装的方便之处,它会自动匹配相应的版本进行安装

• 命令

  conda install cudnn
  conda install tensorflow-gpu

5. 验证环境

• 运行程序

  import tensorflow as tf
  with tf.device('/cpu:0'):
      a=tf.constant([1.0,2.0,3.0],shape=[3],name='a')
      b=tf.constant([1.0,2.0,3.0],shape=[3],name='b')
  with tf.device('/gpu:0'):
      c = a + b
  sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
  print(sess.run(c))

• 运行结果
  

其实,只要没报错就说明安装成功!!!