我这里ubuntu:14.04
1.首先安装docker,根据 docker官网 ,先在左边根据需要选择docker版本,推荐docker-ce(因为我只用过ce,蛤虚烂蛤蛤),再选择系统,然后照着流程搞就行。
为了避免麻烦或有其他问题最好把自己的用户加入docker 用户组,不然每次都要用sudo:
将 your-user 换成你要用的账户名就行。
2.要使用GPU的话还要安装nvidia-docker2,根据 这个 安装。
3.之后就可以根据需要pull镜像了,我这里是需要tensorflow,所以直接pull:
可以根据自己的需要search镜像如 docker search tensorflow ,一般选择star最多的,版本可以去 Docker Hub 上根据需要选择。
4.如果没有其他需求的话就可以直接食用了,食用方法:
运行之后就会进入创建的容器了,可以运行 nvidia-smi 看能不能正常使用GPU
因为pycharm实在太方便了,所以我就安装了pycharm,如果想要在pycharm里面使用docker容器是要用Professional 版本功能的,有学校邮箱可以去 pycharm官网 注册一下,可以免费用。
1.因为pycharm默认使用的是docker而不是nvidia-docker,直接用的话会用不了GPU,显示No such file:libcuda.so.1,所以我在这个问题上折腾了很久,在 这里 找到了解决方法,大致就是把默认的换成nvidia-docker:打开 /etc/docker/daemon.json ,将里面的内容修改为:
其实就是加了一个 default-runtime 。
之后重启守护进程:
2.配置pycharm(我用的2019.1版本,不同的可能不一样,大致相同):
打开之后File->Settings->Project->Project Interpreter
点击Project Interpreter一栏右边齿轮,选择Add...
然后选择Docker,Server应该能直接连上,在Image name一栏就能看到你pull的镜像,选择之后点击OK
等待一会,能看到镜像里面安装过的环境,直接点击OK就行,等待最下面进度条蚂誉隐走完就可以直接使用镜像里的环境了。
中间过程折腾了很久,本来以为很闷厅简单,但是中间出了几次问题,装完之后就方便很多了,很多环境问题就再也不用发愁了。我去继续了。。。
1、出现 只能使用device 0不能使用device 1目前段瞎羡并没有解决神拿这一问题。。。
2、下载cuda 和cudnn
3、torch 或者tensorflow都要使用gpu版本的
4、tensorflow不仅要装gpu版本的,普通版本的也要安装
1、出现 只能使用device 0不能使用device 1
目前并没有解决这一问题。。。
2、下载cuda 和cudnn
3、torch 或者tensorflow都要使用gpu版本的
4、tensorflow不仅要装gpu版本的,普通版握拍本的也要安装
硬件要求:NVIDIA® GPU card with CUDA® Compute Capability 3.5 or higher.
See the list of CUDA-enabled GPU cards .
e.g. NVIDIA GeForce 930M是
软件要求:
一些建议:
设备管理器 ->GPU 右键 属性 ->Driver 栏 ->Update Driver
安装: https://developer.nvidia.com/cuda-toolkit-archive
Download cuDNN v7.6.1 (June 24, 2019), for CUDA 10.0
All versions here
将CUDA, CUPTI, cuDNN 路径 加到 系统环境变量PATH 中。
Terminal command:
教程: https://www.jianshu.com/p/64b94a6a7e98
conda activate [env_name]
先卸载 tensorflow (cpu): pip uninstall tensorflow
再安塌档脊装 tensorflow-gpu 1.13.1: pip install tensorflow-gpu==1.13.1
或安团渗装 tensorflow-gpu 2.0.0-beta1: pip install tensorflow-gpu==2.0.0-beta1
明明有GPU, 为什么会返回False呢?
往上看错误信息:
之后在Terminal中运行成功:
PyCharm: Configure a Conda virtual environment
PyCharm: Setting an existing project interpreter
最后终于在PyCharm中运行成功啦蠢橘:
Reference:
https://www.tensorflow.org/install/gpu
https://www.tensorflow.org/guide/using_gpu
有问题欢迎留言讨论
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)