ubuntu16.04服务器上无root权限，配置我的tensorflow环境--cuda9.0+cuDNN7+tensorflow-gpu-1.8

时间 2020-06-11

标签 ubuntu16.04 ubuntu 服务器 root 权限配置我的 tensorflow 环境 cuda9.0+cudnn7+tensorflow cuda cudnn gpu 1.8 栏目 Ubuntu 繁體版

原文原文链接

本人在服务器上已经用Anconda建立好python3.5的环境，这个网上有一大堆教程。接下来是重点。python

1. cuda的安装linux

https://developer.nvidia.com/cuda-downloads，选runfile(local)这个文件下载而后执行以下代码bash

sh cuda_9.0.176_384.81_linux-run

  chmod +x filename.run #若是不能直接运行，执行这个命令

在协议中选择赞成EULA（accept）,不安装driver installation （no）,而后再安装cuda时选择我的用户的目录，如/home/yourname/cuda9,以及cudasamples的目录。服务器

nvidia-smi #查看显卡驱动运行状态 nvcc -V  #查看cuda-toolkit安装是否成功

2.cuDNN文件导入cuda安装目录对应的位置ide

https://developer.nvidia.com/cudnn，这个须要注册，而后选择cudnn-9.0-linux-x64-v7.tgz这个下载--lib库测试

cp cuda/include/cudnn.h cuda9/include/ #cuda9是我的用户的下的目录/home/yourname/cuda9 cp cuda /lib64/libcudnn* cuda9/lib64/ chmod a+r cuda9/include/cudnn/h cuda9/lib64/libcudnn*

cat ~/cuda91/include/cudnn.h | grep CUDNN_MAJOR -A5 #查看cuDNN安装状态

#查看结果
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5

#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

3.在本身的.bashrc文件里添加环境变量this

export PATH=/home/yourname/cuda9/bin:$PATH” #加入文件中 export LD_LIBRARY_PATH=/home/yourname/cuda9/lib64/ #加入文件中
source ~/.bashrc #使修改后的环境变量生效

4.安装并测试tensorflowspa

import tensorflow as tf x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME') with tf.Session() as sess: sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]