下载准备文件
下载显卡驱动，runfile格式的cuda安装文件，cudnn文件，注意三者版本号要和tensorflow支持的相对应。这里用cuda-8和cudnn-6，tensorflow1.4.1
检查系统环境
- 更新系统
sudo yum update - 检查是否电脑配置有Nvidia显卡
/usr/sbin/lspci | grep -i nvidia
- 检查是否有nvidia驱动
nvidia-smi
如果显示没有命令，则nvidia显卡没有正常安装。
- 关闭开源驱动
- 打开/lib/modprobe.d/dist-blacklist.conf，将nvidiafb注释掉，最后加上然后添加以下语句：
#blacklist nvidiafb
blacklist nouveau
options nouveau modeset=0
- 重建initramfs image，备份initramfs-$(uname -r).img，运行dracut需要花费几分钟的时间。
mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
dracut /boot/initramfs-$(uname -r).img $(uname -r)
- 关闭X服务，进行安装
两种方式，一种在主机上用组合键：
Ctrl+Alt+F2 进入纯命令模式；
另一种用命令：
systemctl set-default multi-user.target
#安装完后要恢复
systemctl set-default graphical.target
关闭重启后可以通过ssh方式或文本命令访问主机
查看nouveau是否被禁用
lsmod | grep nouveau
后面如果没有内容说明nouveau被禁用
先获取root权限
sudo init 3 注意空格
rm /tmp/.X*
上面的命令是删掉X的锁文件
进入到上述驱动所在的文件夹
切换至安装包文件夹
sh NVIDIA-Linux-x86_64-xxx.run #根据提示安装
sh cuda_8.0.xx_xxxx_linux.run #根据提示安装
注意驱动和cuda的安装顺序，先安装驱动的话，安装cuda时x-configtion选择N
- 配置环境变量
gedit ~/.bashrc
#写入bashrc文件保存
#gpu driver
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib:${LD_LIBRARY_PATH}"
实现以下，然后再检查以下驱动信息
source ~/.bashrc
nvidia-smi
用 nvcc -V 命令验证安装结果
安装cudnn
安装cudnn:
$ tar -xvzf cudnn-8.0-linux-x64-v6.0.tgz
$ cp -P cuda/include/cudnn.h /usr/local/cuda-8.0/include
$ cp -P cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
$ chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
安装tensorflow(anaconda)
- 下载anaconda安装
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.0.1-Linux-x86_64.sh
- 安装是注意最后添加环境变量
- 创建python环境安装，进行安装
conda create -n tensorflow python=3.5
source activate tensorflow
conda install ipython
conda install jupyter
安装tensorflow GPU版本
pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/
验证安装程序
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
运行后检测到GPU信息说明安装成功。
常见问题
- “ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory”
- 先确认版本是否匹配，不匹配的话，用以下命令安装对应版本tensorflow
pip uninstall tensorflow-gpu
pip install tensorflow-gpu==1.2
- 排除版本问题，重新扫描可共享的动态链
sudo ldconfig -v
- 确认环境变量确实已经修改
echo $PATH
echo $LD_LIBRARY_PATH
网友评论