Centos配置深度学习开发环境

目录

1. 安装显卡驱动

  • 检测显卡驱动及型号
$ 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
  • 安装NVIDIA驱动检测
$ sudo yum install nvidia-detect
$ nvidia-detect -v
$ yum -y install kmod-nvidia

2. 安装CUDA\CUDNN

2.1 cuda

$ sudo sh cuda_9.0.176_384.81_linux.run
  • 测试cuda是否安装
$ cd /usr/local/cuda/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

结果:
结果

2.2 cudnn

  • 下载cudnn文件,需要注册账号。
    https://developer.nvidia.com/cudnn
  • 安装下载好的cuDNN安装包,如果你安装cuda的目录为默认目录,就可以直接使用如下指令安装:
tar -xvf cudnn-9.0-linux-x64-v7.1.tgz -C /usr/local/

2.3 环境变量设置

  • 环境变量
$ 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建立连接
$ 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

3. 安装TensorFlow-gpu

  • 安装anaconda,可以用来建立python3和TensorFlow的一些以来环境。
$ 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

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。

转载请注明出处。
https://www.cnblogs.com/sunhongwen/p/9554057.html

猜你喜欢

转载自www.cnblogs.com/sunhongwen/p/9554057.html