Centos配置深度学习开发环境

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

1. 安装显卡驱动
2. 安装CUDA\CUDNN
- 2.1 cuda
- 2.2 cudnn
- 2.3 环境变量设置
3. 安装TensorFlow-gpu
测试

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

官网下载cuda，最好下载9.0版本：https://developer.nvidia.com/cuda-toolkit-archive
选择符合自己机器的设置，选择runfile（local）下载到centos中：
需要下载所有补丁，下载后安装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：

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。