在终端中输入: $ lspci | grep -i nvidia ,会显示自己的NVIDIA GPU版本信息
二、禁用nouveau
终端中运行:$ lsmod | grep nouveau,如果有输出则代表nouveau正在加载。
三、运行cuda.run 文件
会出现依赖错误:
sudo apt-get install freeglut3-dev build-essential libx11-dev
sudo apt-get install libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa
sudo apt-get install libglu1-mesa-dev
把InstallUtils.pm 文件复制到
/usr/lib/x86_64-linux-gnu/perl-base/ 文件夹中
重新运行安装文伏陆件,添加参数
./cuda.run --override --toolkitpath=/home/XXX/local/cuda-8.0
安装过程中不安装英伟达驱动,不创建软链接,其余默洞扰认yes。
安装成功
在.bashrc文件尾部中添加:
export PATH=/home/solar/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/home/solar/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
终端输入 nvidia-smi 检测是否成功
解压cudnn.tgz文件,
sudo cp cudnn.h /home/solar/local/cuda-8.0/include/
sudo cp lib* /home/solar/local/cuda-8.0/lib64/
安装anaconda
直接运行.sh文件,安装成功
输入 conda info -e 查看是否安装成功
添加源:
conda config --add channels 'http://mirrors.ustc.edu.cn/anaconda/pkgs/free/'
conda config --set show_channel_urls yes
PS:服务器没办法解析域名 ,创建环境缺颤顷的时候总是提示网络错误。。。
修改resolv.conf
添加nameserver 8.8.8.8
或者nameuser 114.114.114.114
创建新的conda环境:
conda create -n transorflow python=python3.6
使用新的环境:
source activate tensorflow
然后:
pip install tensorflow_XX.whl
完成后进入python
输入
import tensorflow as tf
hello=tf.constant('hello,Tensorflow')
sess=tf.Session()
print sess.run(hello)
输出 hello,Tensorflow则成功
直接运行 cuda_10.1.105_418.39_linux.run ,然后按照要求一步步 *** 作就可以了。中慎这里需要注意的是,因为已经安装了其他版本的cuda和驱动。所以,在安装的时候,不需要安装驱动。
其实,这里最主要想说的是cudnn的安装,安装的过程碰到了一点问题。刚开始,按照以前的方法,直接执行命令:
念桐看命令的第一行,直接把cudnn.h复制到cuda-10.1的安装目录下。问题就出在这里,复制之后执行命令 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 查看cudnn版本,结果发现没任何输出。
找到cudnn.h这个文件,发现文件的内容和较早cuDNN v7.0.5版本少了很多内容。于是,找到官方安装文档 https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-803/install-guide/index.html 。官方文档给出的命令为:
注意到,第一行命令和以前不一样,然后进到文件夹仔细查看这些cudnn*.h这些文件。发现官方只是把以前的cudnn.h的内容拆分到了多个文件中。这里只需要按照官方的指令重新复制就可以了。
还有一点需要注意,cudnn的版本信息被放到了cudnn_version.h文件中,所以,这里想要查看cudnn的版本信息,应该使用指令 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 。
PS:安装软件还是要先看官方文档仔培坦,以官方文档为准,避免安装的时候出现问题。
可以看到这里有3个版本的cuda,我们只需要在/usr/local目录下新建一个软链接cuda,直接让cuda指向某一个版本的cuda文件夹就可以了。比如,这里我们使用最新的10.1版本: sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda 。以后,如果想切换其他版本的cuda,只需要修改软链接的指向。
最后,将/usr/local/cuda写入到环境变量。通过vi ~/.bashrc打开文件,然后将以下命令加入到文件末尾:
然后source一下,使其立即生效: source ~/.bashrc 。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)