Ububtu18.04下载cuda9.0

下载好后得到:

CUDA 9.0仅支持GCC 6.0及以下版本,而Ubuntu 18.04预装GCC版本为7.3,需要安装gcc-6与g++-6

查看当前版本:

$gcc --version  $g++ --version

可以不卸载当前gcc 和g++直接下载gcc-6 g++-6,

$sudo apt-get install gcc-6 g++-6

然后更改软连接修改gcc-6为默认版本:

$sudo mv gcc gcc.bak

$ sudo ln -s gcc-6 gcc

$ sudo mv g++ g++.bak

$ sudo ln -s g++-6 g++

也可以直接卸载当前版本

$sudo apt-get --purge remove gcc g++

到/usr/bin下,可查看gcc g++的详情,找不到位置可以使用$wheris gcc

下载好cuda runfile文件后,运行

$sudo sh cuda_9.0.176_384.81_linux.run

若当前目录有多个.run文件很难tab出名字,可以将其转为可执行文件再运行

$chmod 755 cuda_9.0.176_384.81_linux.run

$sudo ./cuda_9.0.176_384.81_linux.run

安装中出现多个选项,显卡驱动不选,其他选yes敲回车或者自己设置路径。

已经有驱动,安装时没有选择驱动,安装驱动需要关闭图形界面到root下进行设置,有时间补

查看安装完后的提示:

提示需要设置环境变量软链接等

新下载安装cuda 目录/usr/local/下cuda软链接文件为当前安装的cuda版本

查看cuda链接指向

$ls -l

$ cd /etc/ld.so.conf.d/

将当前目录下的cuda-10.0.conf文件复制到/root下备份

$ sudo cp cuda-10-0.conf  /root

更改当前文件名为cuda-9-0.conf

$ sudo mv cuda-10-0.conf  cuda-9-0.conf

打开配置文件

$ gedit cuda-9-0.conf

将/usr/local/cuda/lib64写入配置文本

如果有多个CUDA版本切换,按如下方式设置。

移除/usr/local/下的cuda软链接文件,创建新的链接

$rm -rf cuda

$sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda

然后再设置 /etc/ld.so.conf.d/下文件,此时cuda是可以使用并安装好的,如果使用nvcc命令需要将当前的cuda路径写入环境变量,设置如下:

export PATH="/usr/local/cuda/bin:$PATH"

export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

此时即可使用$nvcc -V 查看当前驱动和cuda版本

Cuda安装完后reboot下。

安装cudnn7.4.2

选择的7.4.2for.CUDA9.0

得到文件:

解压,cd到解压目录

将/cudnn-9.0-linux-x64-v7.4.2.24/cuda/include 下cudnn.h 文件拷贝到cuda-9.0的include下

$sudo cp cudnn.h /usr/local/cuda-9.0/include

将/cudnn-9.0-linux-x64-v7.4.2.24/cuda/lib64 下libcudnn.so libcudnn_static.a 拷贝到cuda-9.0的lib64下

$sudo cp libcudnn.so libcudnn_static.a  /usr/local/cuda-9.0/lib64

安装tensorflow-gpu 1.8.0

本来有1.13版本,现在换成1.8.0

$sudo -H python3 -m pip install tensorflow-gpu==1.8.0

成功下载显示如下:

查看pip下安装的包

$pip3 list

找到tensorflow相关的包,若想卸载,可用以下命令批量卸载

$sudo pip3 uninstall tensorflow tensorboard tensorflow-estimator tensorflow-gpu

有些卸载时需要带版本号

$sudo pip3 uninstall tensorboard==1.8.0

下载最新的tensorflow-gpu

$sudo -H python3 -m pip install --upgrade tensorflow-gpu

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

CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用

Cuda和cudnn版本查看方法

cat /usr/local/cuda/version.txt

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

Cuda及显卡驱动版本查看fagnf(使用前提cuda路径加入环境变量)

$nvcc -V

驱动版本及显卡使用状态查看

$nvidia-smi

实时查看并刷新状态

$watch nvidia-smi

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

nvidia-smi 显示信息解释:

第一栏的Fan:N/A是风扇转速,从0到100%之间变动,这个速度是计算机期望的风扇转速,实际情况下如果风扇堵转,可能打不到显示的转速。有的设备不会返回转速,因为它不依赖风扇冷却而是通过其他外设保持低温(比如我们实验室的服务器是常年放在空调房间里的)。
第二栏的Temp:是温度,单位摄氏度。
第三栏的Perf:是性能状态,从P0到P12,P0表示最大性能,P12表示状态最小性能。
第四栏下方的Pwr:是能耗,上方的Persistence-M:是持续模式的状态,持续模式虽然耗能大,但是在新的GPU应用启动时,花费的时间更少,这里显示的是off的状态。
第五栏的Bus-Id是涉及GPU总线的东西,domain:bus:device.function
第六栏的Disp.A是Display Active,表示GPU的显示是否初始化。
第五第六栏下方的Memory Usage是显存使用率。
第七栏是浮动的GPU利用率。
第八栏上方是关于ECC的东西。
第八栏下方Compute M是计算模式。
下面一张表示每个进程占用的显存使用率。

显存占用和GPU占用是两个不一样的东西,显卡是由GPU和显存等组成的,显存和GPU的关系有点类似于内存和CPU的关系。跑caffe代码的时候显存占得少,GPU占得多,跑TensorFlow代码的时候,显存占得多,GPU占得少。

cuda cudnn tensorflow-gpu安装的更多相关文章

  1. tensorflow -gpu安装,史上最新最简单的途径(不用自己装cuda,cdnn)

    tensorflow -gpu安装首先,安装Anoconda1. 官网下载点我: 2.安装 点击 python 3.6 version自动下载x64版,下载好之后,然后安装. 如图,打上勾之后,一路n ...

  2. TensorFlow DeepLab教程初稿-tensorflow gpu安装教程

    TensorFlow DeepLab教程初稿-tensorflow gpu安装教程 商务合作,科技咨询,版权转让:向日葵,135-4855__4328,xiexiaokui#qq.com Summar ...

  3. Ubuntu系统---“NVIDIA 驱动+CUDA+cuDNN ”之后 OpenCV安装

    Ubuntu系统---“NVIDIA 驱动+CUDA+cuDNN ”之后 OpenCV安装 目录: 一.OpenCV安装包下载 二.cmake安装 三.OpenCV安装 正文 一.OpenCV安装包下 ...

  4. window10上安装python+CUDA+CuDNN+TensorFlow

    软件 版本 Window10 X64 python 3.6.4(64位) CUDA CUDA Toolkit 9.0 (Sept 2017) CuDNN cuDNN v7.0.5 (Dec 5, 20 ...

  5. win10家庭中文版CUDA+CUDNN+显卡GPU使用tensorflow-gpu训练模型安装过程(精华帖汇总+重新修改多次复现)

    查看安装包 pip list 本帖提供操作过程,具体操作网上有好多了,不赘述.红色字体为后来复现出现的问题以及批注 题外话: (1)python 的环境尽量保持干净,尽量单一,否则容易把自己搞晕,不知 ...

  6. [ubuntu 18.04 + RTX 2070] Anaconda3 - 5.2.0 + CUDA10.0 + cuDNN 7.4.1 + bazel 0.17 + tensorRT 5 + Tensorflow(GPU)

    (RTX 2070 同样可以在 ubuntu 16.04 + cuda 9.0中使用.Ubuntu18.04可能只支持cuda10.0,在跑开源代码时可能会报一些奇怪的错误,所以建议大家配置 ubun ...

  7. Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)(转载)

    win7(win10也适用)系统安装GPU/CPU版tensorflow Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程) 目录 2.配置 ...

  8. ubuntu 16.04安装nVidia显卡驱动和cuda/cudnn踩坑过程

    安装深度学习框架需要使用cuda/cudnn(GPU)来加速计算,而安装cuda/cudnn,首先需要安装nvidia的显卡驱动. 我在安装的整个过程中碰到了驱动冲突,循环登录两个问题,以至于最后不得 ...

  9. Ubuntu 16.04 + CUDA 8.0 + cuDNN v5.1 + TensorFlow(GPU support)安装配置详解

    随着图像识别和深度学习领域的迅猛发展,GPU时代即将来临.由于GPU处理深度学习算法的高效性,使得配置一台搭载有GPU的服务器变得尤为必要. 本文主要介绍在Ubuntu 16.04环境下如何配置Ten ...

  10. Ubuntu 16.04安装N卡驱动、cuda、cudnn和tensorflow GPU版

    安装驱动 最开始在英伟达官网下载了官方驱动,安装之后无法登录系统,在登录界面反复循环,用cuda里的驱动也出现了同样的问题.最后解决办法是把驱动卸载之后,通过命令行在线安装驱动. 卸载驱动: sudo ...

随机推荐

  1. java手写线程池,完善中

    package com.test001.threadpool; import java.util.LinkedList; import java.util.List; import java.util ...

  2. VisualStudioCode创建的asp.net core控制台程序部署到linux

    1.asp.net core控制台程序 static void Main(string[] args) { ; ) { Console.WriteLine("Hello World!&quo ...

  3. 插入排序(JAVA实现)

    算法思想: 插入排序就是每一步都将一个待排数据按其大小插入到已经排序的数据中的适当位置,直到全部插入完毕 下图演示了对4个元素进行直接插入排序的过程,共需要(a),(b),(c)三次插入. 代码实现: ...

  4. jeecg富文本编辑器增加字体(仿宋)

    jeecg富文本编辑器增加字体(仿宋) 温馨提示:jeecg 提供了 uedit 富文本的实现,如下针对的是 uedit 增加仿宋字体示例. 主要修改三个文件:plug-in\ueditor\uedi ...

  5. AFNetWorking同步请求

    dispatch_semaphore_t semaphore = dispatch_semaphore_create(0); //创建信号量 AFHTTPSessionManager *manager ...

  6. docker+kibana+filebeat的安装

    安装filebeat服务(在需要收集日志的主机安装filebeat) 下载和安装key文件 rpm --import https://packages.elastic.co/GPG-KEY-elast ...

  7. Mysql笔试题(二)

    (1)表名:购物信息购物人      商品名称     数量A            甲          2B            乙          4C            丙       ...

  8. paginate()出来的数据怎样循环插入数据?

    paginate()出来的数据怎样循环插入数据? paginate()分页如何转数组操作数据之后再转回对象? thinkphp5 model里面用toarray后怎么分页? 以上类似问题的出现,是因为 ...

  9. trident-deploy自动部署命令

    sh ./iot-api/install.sh  ./iot-api/values.yaml

  10. Python环境——安装扩展库

    一.修改easy_install源 在操作用户家目录添加一个文件 cat >> ~/.pydistutils.cfg <<EOF [easy_install] index-ur ...