Centos配置深度学习开发环境,深度学习

目录

图片 1

  • 1.
    设置显卡驱动
  • 2.
    安装CUDACUDNN
  • 3.
    安装TensorFlow-gpu
  • 测试

  紧接着上一篇的稿子《纵深学习(TensorFlow)意况搭建:(二)Ubuntu16.04+1080Ti显卡驱动》,那篇小说,首要解说怎样设置CUDA+CUDNN,但是前提是大家是一度把NVIDIA显卡驱动装置好了

1. 装置显卡驱动

  • 检查实验显卡驱动及型号

$ sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
  • 添加ELPepo源

$ sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm
  • 设置NVIDIA驱动物检疫验

$ sudo yum install nvidia-detect
$ nvidia-detect -v

$ yum -y install kmod-nvidia

2. 安装CUDACUDNN

一、安装CUDA

  CUDA(Compute Unified Device
Architecture),是AMD公司出产的一种基于新的相互编制程序模型和指令集架构的通用总结架构,它能运用英特尔GPU的并行总结引擎,比CPU越来越高效的解决广大头晕目眩总计职务,想选用GPU就必需求使用CUDA。

2.1 cuda

  • 官网下载cuda,最棒下载9.0版本:
  • 选拔相符本身机器的安装,接纳runfile(local)下载到centos中:
    图片 2
  • 内需下载全数补丁,下载后安装cuda:

$ sudo sh cuda_9.0.176_384.81_linux.run
  • 测验cuda是不是安装

$ cd /usr/local/cuda/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

结果:
图片 3

1.1、下载CUDA

  首先在官方网站()下载对应的CUDA,如图所示:

图片 4

小心请必须下载runfile文件(后缀为.run),不可能是别的文件。照旧直接通过wget命令下载:

wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run

 如图所示:

图片 5

2.2 cudnn

  • 下载cudnn文件,要求登记账号。
  • 设置下载好的cuDNN安装包,假如你安装cuda的目录为暗中认可目录,就足以平昔运用如下指令安装:

tar -xvf cudnn-9.0-linux-x64-v7.1.tgz -C /usr/local/

1.2、安装CUDA(应当要按顺序试行)

  下载实现后先进行安装相关信任的通令,假使不先试行安装看重包,前边安装CUDA会以下错误报错:

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

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(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/cmfchina ]: 

Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so

Installing the CUDA Samples in /home/cmfchina ...
Copying samples to /home/cmfchina/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/cmfchina, 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

  全数大家自然要设置顺序进行设置,先安装信赖的库文件。

(1)安装缺点和失误的注重库文件

一声令下如下:

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1  #安装依赖库

 

图片 6

(2)安装试行文书

sudo sh cuda_8.0.61_375.26_linux.run  #执行安装文件

  注意:安装进度中会提醒您举行部分承认操作,首先是接受劳动条目,输入accept确认,然后会唤醒是还是不是安装cuda tookit、cuda-example等,均输入Y实行鲜明。但请留神,当精通是或不是安装附带的驱动时,应当要选N!

图片 7

  因为前面我们曾经设置好新型的驱动NVIDIA381,附带的驱动是旧版本的还要会十分,所以不用选取设置驱动。其他的都直接私下认可或许选择是就能够。

(3)设置景况变量

  •   输入指令,编辑意况变量配置文件

    sudo vim ~/.bashrc

  •   在文件末端追加以下两行代码(开关“i”实行编写制定操作)

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

  •   保存退出(按“!wq”),实行上边发号施令,使情形变量立即见效

    #意况变量立时生效
    sudo source ~/.bashrc
    sudo ldconfig

 如图所示:

图片 8

(4)检查cuda是或不是配备不错

  到这一步,基本的CUDA已经设置到位了,大家能够通过以下命令查看CUDA是或不是安插不错:

nvcc --version

  如图所示:

图片 9

(5)测试CUDA的sammples

  为何需求设置cuda
samples?一方面为了前边学习cuda使用,另一方面,能够核准cuda是或不是真正安装成功。假设cuda
samples全体编写翻译通过,未有五个Error消息(Warning忽略),那么就表明成功地设置了cuda。如若最后一行就算突显PASS,不过编写翻译进度中有EOdysseyROXC60,请自行英特网寻觅相关错误音讯消除未来。

# 切换到cuda-samples所在目录
cd /usr/local/cuda-8.0/samples 或者 cd /home/NVIDIA_CUDA-8.0_Samples 

# 没有make,先安装命令 sudo apt-get install cmake,-j是最大限度的使用cpu编译,加快编译的速度
make –j

# 编译完毕,切换release目录(/usr/local/cuda-8.0/samples/bin/x86_64/linux/release完整目录)
cd ./bin/x86_64/linux/release

# 检验是否成功,运行实例
./deviceQuery 

# 可以认真看看自行结果,它显示了你的NVIDIA显卡的相关信息,最后能看到Result = PASS就算成功。

如图所示:

图片 10

图片 11

 输出结果看见显卡相关新闻,並且最终Result
= PASS ,那表达CUDA才真的完全安装成功了


2.3 蒙受变量设置

  • 情状变量

$ vim ~/.bashrc
在其最后添加:
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
  • cuDNN建构连接

$ cd /usr/local/cuda/lib64
$ sudo rm -rf libcudnn.so libcudnn.so.7         #删除原有版本号,版本号在cudnn/lib64中查询
$ sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7    #生成软连接,注意自己下载的版本号
$ sudo ln -s libcudnn.so.7 libcudnn.so 
$ sudo ldconfig     #立即生效

二、安装cuDNN

3. 安装TensorFlow-gpu

  • 安装anaconda,能够用来创设python3和TensorFlow的某些的话情形。

$ wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh    #下载anaconda
$ bash anaconda.sh      #安装anaconda
$ vim /root/.bashrc     #加入环境变量
    # 最后一行添加:
    export PATH="/root/anaconda3/bin:$PATH"
$ source /root/.bashrc
  • 安装TensorFlow

pip install tensorflow-gpu

2.1、下载cuDNN

cuDNN是GPU加快总括深层神经互联网的库。首先去官方网站()下载cuDNN,须求登记三个账号技能下载,未有的话自个儿注册三个。由于本人的显卡是GTX1080Ti,所以下载版本号如图所示,最新的本子是v7: 

图片 12

测试

输入:

$ python
>>> import tensorflow

显示:

>>> import tensorflow
/root/anaconda3/lib/python3.6/site-packages/h5py/__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters
>>> 

未报错,安装成功。

转发请注解出处。

2.2、安装cuDNN

设置cudnn比较轻便,轻巧地说,正是复制多少个文本:库文件和头文件。将cudnn的头文件复制到cuda安装路线的include路径下,将cudnn的库文件复制到cuda安装路线的lib64路线下。具体操作如下

 1 #解压文件
 2 tar -zxvf cudnn-8.0-linux-x64-v7.tgz
 3 
 4 #切换到刚刚解压出来的文件夹路径
 5 cd cuda 
 6 #复制include里的头文件(记得转到include文件里执行下面命令)
 7 sudo cp /include/cudnn.h  /usr/local/cuda/include/
 8 
 9 #复制lib64下的lib文件到cuda安装路径下的lib64(记得转到lib64文件里执行下面命令)
10 sudo cp lib*  /usr/local/cuda/lib64/
11 
12 #设置权限
13 sudo chmod a+r /usr/local/cuda/include/cudnn.h 
14 sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
15 
16 #======更新软连接======
17 cd /usr/local/cuda/lib64/ 
18 sudo rm -rf libcudnn.so libcudnn.so.7   #删除原有动态文件,版本号注意变化,可在cudnn的lib64文件夹中查看   
19 sudo ln -s libcudnn.so.7.0.2 libcudnn.so.7  #生成软衔接(注意这里要和自己下载的cudnn版本对应,可以在/usr/local/cuda/lib64下查看自己libcudnn的版本)
20 sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接
21 sudo ldconfig -v #立刻生效

 

备考:上面包车型大巴软连接的版本号要依赖自个儿实际下载的cudnn的lib版本号

如图所示:

图片 13

最终大家看看验证安装cudnn后cuda是不是依然可用

nvcc --version  # or nvcc -V 

2.3、核查cuDNN是还是不是安装成功

  到前段时间结束,cuDNN已经设置完了,可是,是还是不是中标安装,我们能够透过cuDNN
sample测量试验一下(
页面中找到呼应的cudnn版本,里面有 cuDNN v5 Code
萨姆ples,点击该链接下载就能够,版本大概分裂,下载最新的就行)

  下载完,转到解压出的目录下的mnistCUDNN,如图所示:

图片 14

  通过下边发号施令,举行校验

#运行cudnn-sample-v5
tar –zxvf cudnn-sample-v5.tgz  #解压压缩包
cd mnistCUDNN  #转到解压的mnistCUDNN目录下
make  #make 命令下
./mnistCUDNN   #在mnistCUDNN目录下执行./mnistCUDNN
#改程序运行成功,如果结果看到Test passed!说明cudnn安装成功。

 假若结果来看Test
passed!表明cudnn安装成功

图片 15

 至此、cuDNN已经成功安装了


 

三、安装Anaconda

  Anaconda是python的贰个科学总计发行版,内置了数百个python常常会利用的库,也囊括广大做机械学习或数量发掘的库,那么些库相当多是TensorFlow的信任库。安装好Anaconda能够提供一个好的条件一向设置TensorFlow。

  去Anaconda官网()下载必要版本的Anaconda

图片 16

  下载完后推行如下命令

sudo bash Anaconda3-4.4.0-Linux-x86_64.sh

  如图所示:

图片 17

  安装anaconda,回车的前边,是批准文件,接收许可。直接回车即可。最终会了然是不是把anaconda的bin增添到客商的景况变量中,选取yes。在极端输入python开掘还是是系统自带的python版本,那是因为遭逢变量的更新还未有生效,命令行输入如下命令是设置的anaconda生效。要是conda
–version没有找到其余新闻,表明未有步向到碰着变量未有,必要手动参与,如图所示:

图片 18

  刷新情况变量

source /etc/profile 或者 source ~/.bashrc #(全局的环境变量)

三、安装TensorFlow

  大家能够参照TensorFlow的法虞升卿装教程(),官方网站提供的了
Pip, Docker, Virtualenv, Anaconda 或 源码编写翻译的主意安装
TensorFlow,我们这里关键介绍以Anaconda安装。其余设置情势,我们能够到法虞诩装教程查看。

3.1安装TensorFlow

  通过Anaconda安装TensorFlow
CPU,TensorFlow
的合法下载源未来已经在GitHub上提供了(),找到相应的本子号,如图所示:

图片 19

发表评论

电子邮件地址不会被公开。 必填项已用*标注