差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- tensorflow-gpu安装过程 [2019/05/30 19:14]
admin
+++ tensorflow-gpu安装过程 [2020/02/01 21:41] (当前版本)
@@ 行 3: / 行 3: @@
 创建日期 星期三 01 五月 2019
-**注意：Linux系统默认安装、加载的是开源显卡驱动-nouveau**
-- 查看计算机的显卡是否支持CUDA套件。
----------------------
-- 去NVIDIA官网上下载CUDA9.2 run(local)文件。
+===== 1.安装CUDA和显卡驱动 =====
------------------------------------
+----
+注意：Linux系统默认安装、加载的是开源显卡驱动-nouveau
+==== a.查看计算机的显卡是否支持CUDA套件 ====
-- 安装CUDA9.2（此过程中同时安装NVIDIA显卡驱动程序）。
-----------------------------------
-. 开机时对启动选项进行修改：按 "e" linux一行添加 nouveau.modeset=0 init 3（不使用nouveau开源显卡驱动，进入完全多用户模式）\\
-. 进入终端模式，lsmod 会提示已经加载nouveau驱动，再rmmod nouveau进行卸载\\
-. 使用sudo ./cuda_9.2_linux.run --no-opengl-libs 命令安装cuda(安装完成后，可以使用nvidia-smi进行nvidia显卡驱动的测试)\\
-注意：如果nvidia-smi 提示：NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA drivMake sure that the latest NVIDIA driver is installed and running.
-这是因为NVIDIA驱动没有被加载、使用。
-.将新安装的cuda-9.2可执行文件、库路径加入系统变量和库路径中；（nvcc -V`命令检验CUDA套件是否安装正确）。
-.下载适用于CUDA9.2版本的cuDNN，并解压，将相关文件复制到对应的CUDA安装目录下。
-.重启系统，操作系统会重新加载nouveau驱动程序，类似第一步添加nouveau.modeset=0，操作系统则会记载、使用NVIDIA显卡驱动，此时nvidia-smi 正常显示出显卡的信息；
+==== b.去NVIDIA官网上下载CUDA9.2 run(local)文件 ====
-- 安装Tensorflow-gpu
+==== c.安装CUDA9.2（同时安装NVIDIA显卡驱动程序） ====
+<code>
+. 开机时对启动选项进行修改：按 "e" linux一行添加 nouveau.modeset=0 init 3（不使用nouveau开源显卡驱动，进入完全多用户模式）
+. 进入终端模式，lsmod 会提示已经加载nouveau驱动，再rmmod nouveau进行卸载
+. 使用''sudo ./cuda_9.2_linux.run --no-opengl-libs''命令安装cuda(安装完成后，可以使用nvidia-smi进行nvidia显卡驱动的测试)
+注意：如果nvidia-smi 提示：NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA drivMake sure that the latest NVIDIA driver is installed and running.这是因为NVIDIA驱动没有被加载使用。
+.将新安装的cuda-9.2可执行文件、库路径加入系统变量和库路径中；（`nvcc -V`命令检验CUDA套件是否安装正确）。
+.下载适用于CUDA9.2版本的cuDNN，并解压，将相关文件复制到对应的CUDA安装目录下。
+.重启系统，操作系统会重新加载nouveau驱动程序，类似第一步添加nouveau.modeset=0，操作系统则会记载、使用NVIDIA显卡驱动，此时nvidia-smi 正常显示出显卡的信息；
+注意：安装CUDA显卡驱动时，会在/etc/modprobe.d/目录下自动生成nvidia-installer-disable-nouveau.conf文件来禁用nouveau驱动程序。但有时会出现禁用后仍然加载nouveau驱动程序，此时使用```sudo update-initramfs -u```命令重新生成 kernel initramfs即可。
+</code>
+===== 2.安装Tensorflow-gpu =====
 ------------------
+<code>
+从源码编译
+安装Bzeal编译工具：先下载bazel可执行脚本（本文中使用的文件名是bazel-0.15.0-installer-linux-x86_64.sh)。然后在可执行脚本文件目录下用 `./bazel-0.15.0-installer-linux-x8664.sh  --user`命令进行安装。
+下载tensorflow源文件，进入源文件目录。
+执行`./configure`命令，按需求进行配置。
+执行```bazel build --jobs=4 --config=opt //tensorflow/tools/pip_package:build_pip_package```命令编译pip包，其中的`--job`选项会限制bazel编译时的任务数，一般不需要指明该选项，bazel会调用计算机的所有资源进行编译。但是计算量很大，容易导致死机，所以可以添加上任务数的限制来防止这种情况。
-### • 从源码编译
-- 安装Bzeal编译工具：先下载bazel可执行脚本（本文中使用的文件名是bazel-0.15.0-installer-linux-x86_64.sh)。然后在可执行脚本文件目录下用 `./bazel-0.15.0-installer-linux-x8664.sh  --user`命令进行安装。
-- 下载tensorflow源文件，进入源文件目录。
-- 执行`./configure`命令，按需求进行配置。
-- 执行` bazel build --jobs=4 --config=opt //tensorflow/tools/pip_package:build_pip_package`命令编译pip包，其中的`--job`选项会限制bazel编译时的任务数，一般不需要指明该选项，bazel会调用计算机的所有资源进行编译。但是计算量很大，容易导致死机，所以可以添加上任务数的限制来防止这种情况。
 注意：编译过程中可能会提示编译错误，编译停止。忽略错误，重新继续编译。（错误一般是编译器内部错误、电脑卡死，这一般是内存不够导致的，linux添加swapfile可以有效解决；某个文件未被创建、有价值，多线程编译使得相互依赖的编译结果不同步生成导致这个错误）
-- 执行`bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg`命令在/tmp/tensorflow_pkg目录下生成whl python安装包，最后执行`pip3 install XXX.whl`命令完成安装即可。
-##Reference:http://www.python36.com/how-to-install-tensorflow-gpu-with-cuda-9-2-for-python-on-ubuntu/
-### • 使用conda安装(!!!不适用!!!)
+执行`bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg`命令在/tmp/tensorflow_pkg目录下生成whl python安装包，最后执行`pip3 install XXX.whl`命令完成安装即可。
+Reference:http://www.python36.com/how-to-install-tensorflow-gpu-with-cuda-9-2-for-python-on-ubuntu/
+使用conda安装(!!!不适用!!!)
 conda install tensorflow-gpu
-创建python 3.6 环境 conda create -n tf python=3.6 ，conda activate tf 再进行安装就没有问题了 conda install tensorflow-gpu
+创建python 3.6 环境
+conda create -n tf python=3.6
+conda activate tf
+再进行安装就没有问题了
+conda install tensorflow-gpu
 tensorflow还不支持python3.7(2018-01)
-conda create -n python=3.6
-conda install --use-local your-pkg-name~/Desktop/深度截图_选择区域_20190207154816.png
+conda create -n python=3.6
+conda install --use-local your-pkg-name
+</code>

Knowledge Base

用户工具

站点工具

差别

页面工具