首先通过以下命令查看是否GPU驱动成功:
注意:需要在bash终端输入
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))
如果成功驱动GPU你会在终端上看到类似GPU的型号,内存等信息
会看到-例如:name: Tesla P100-PCIE-16GB
major: 6
minor: 0 memoryClockRate(GHz): 1.3285
pciBusID: 0000:00:04.0
totalMemory: 15.90GiB freeMemory: 15.61GiB
.........
physical GPU (device: 0, name: Tesla P100-PCIE-16GB, pci bus id: 0000:00:04.0, compute capability: 6.0)
如果没有请根据以下步骤进行处理:⬇️⬇️⬇️
所有软件的version都需要match上哦:
我目前cloud配置版本:
tensorflow-gpu ->1.13.0
CUDA -> 10.0.130
CUDNN -> 7.5.0
1.查看Tensorflow版本:
import tensorflow as tf tf.__version__
2. 查看CUDA的版本 :
cat /usr/local/cuda/version.txt
3. 查看CUDNN的版本:
扫描二维码关注公众号,回复:
5611288 查看本文章
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
4. 安装tensorflow到pip下
1)安装pip和pip3
sudo apt-get install python-pip python-dev # for Python 2.7 sudo apt-get install python3-pip python3-dev # for Python 3.n
2)安装tensorflow
$ pip install tensorflow # Python 2.7; CPU support (no GPU support) $ pip3 install tensorflow # Python 3.n; CPU support (no GPU support) $ pip install tensorflow-gpu # Python 2.7; GPU support $ pip3 install tensorflow-gpu # Python 3.n; GPU support
不加版本的话默认是最新版本,如果想下特定的版本可在tensorflow后面加上版本号,例如第一个可以写成pip install tensorflow==1.1.0
根据以上GPU即可启动。
Tips:
Linux下更新CUDNN和CUDA。 软件官网下载地址:https://developer.nvidia.com/cuDNN
下载CUDNN后解压
# 先删除系统的就版本文件
sudo rm -rf /usr/local/cuda/include/cudnn.h sudo rm -rf /usr/local/cuda/lib64/libcudnn*
# cd到解压的cuda文件后
sudo cp include/cudnn.h /usr/local/cuda/include/ sudo cp lib64/lib* /usr/local/cuda/lib64/
更新CUDA也是同样的道理。
以上。