Win/ubuntu16.04+tensorflow_gpu+Anaconda
實驗室新買了服務器,so,花了好幾天的時間終于把windows下的tensorflow-gpu版本和ubuntu下的tensorflow-gpu版本裝好了,先做一下記錄,希望以后裝的時候能夠用到,也希望能幫助到同樣電腦配置的同學!!!
福利:一些破解后的系統##
1、win7:https://pan.baidu.com/s/1wfENAZ9_Ruz-pX0neo3pog 密碼:bq5l
2、win10:https://pan.baidu.com/s/1Ppf3bUmLOuR4L50QQSRu1Q 密碼:ene6
3、ubuntu16.04: https://pan.baidu.com/s/1dpW5xP2WYrECYr0V9oCewg 密碼:g6tl
一、windows下的tensorflow配置
1、安裝前準備###
先具體說一下電腦環境,win7系統64位,顯卡gpu型號titanXP,cuda是9.0,cudnn是9.0對應的8.0,anaconda4.4(python3.6),tensorflow-gpu是1.5版本。
首先我們需要下載需要的安裝包
####1.1、下載cuda####
方法一、從官網上下載
點我進入官網:https://developer.nvidia.com/cuda-toolkit-archive
由于目前首頁是9.2版本的,所以我給的鏈接地址是歷史版本鏈接。1、你可以選擇,需要的鏈接;2、選擇你要下載的對應的系統;3、選擇下載類型,exe【network】,exe【local】。我這里是下載的9.0,win7—64位,exe【local】,如下圖所示:
備注:exe【network】需要聯網安裝,下載的只是引導exe文件;exe【local】是完整安裝包。所以建議下載exe【local】。
方法二、從我的百度網盤下載
下載鏈接:https://pan.baidu.com/s/1JLmOXXpzLHynISIqm_k4pw 密碼:z6ac
####1.2、下載cudnn####
方法一、從官網上下載
點我進入官網:https://developer.nvidia.com/rdp/cudnn-download
這是官網的首頁,需要先注冊一下,然后填個調查問卷就可以了。cudnn的版本一定要和cuda的版本對應好,登進去后,如下圖所示:
我下載的是cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0。
方法二、從我的百度網盤下載
因為官網最近好像在維護,進去很卡,所以如果需要一樣版本的就從我的網盤下載吧!
下載鏈接:https://pan.baidu.com/s/1pc8gu66NFbffF2L-QOsHFQ 密碼:0xfl
####1.3、下載Anaconda####
方法一、從官網上下載
點我進入官網:https://repo.continuum.io/archive/
這是歷史版本的網站,你可以選擇對應的版本,我下載的是Anaconda3-4.3.0.1-Windows-x86_64
方法二、從我的百度網盤下載
下載鏈接:https://pan.baidu.com/s/1oj_I06YFYj7drF65aiM_gw 密碼:mvqo
2、安裝顯卡驅動###
顯卡驅動安裝。因為之前是沒有獨立顯卡的,新裝的獨顯,因此需要裝驅動。如果有的話就不用了,驗證方法,開始中輸入nvidia,出現如圖所示說明已有顯卡驅動:
下載地址:http://www.nvidia.cn/download/driverResults.aspx/131469/cn
這個下載完之后直接安裝即可。
3、安裝Anaconda###
首先找到下載好的anaconda的exe安裝文件,雙擊,一路next就ok了,中間你可以選擇一些安裝路徑,我這個版本的自動配置了環境變量,就是在安裝過程中遇到如下圖這一步時,兩個選項全選即可!
4、在線安裝nightly包###
nightly是tesnorflow團隊在17年下半年推出的安裝模式,適用于全新的環境下安裝tensorflow,這個包在安裝的過程中會把所需要的依賴庫一起裝上,比較方便。以管理員方式運行cmd,直接使用如下命令:
pip install tf-nightly若想安裝最新的GPU版本,可以使用如下命令
pip install tf-nightly-gpu5、安裝CUDA###
安裝方式類似于anaconda,點擊exe文件,一路next即可,中間可以選擇安裝路徑,我這里選擇的是默認安裝路徑和簡裝版。
6、安裝cuDNN###
cuDNN下載后是一個壓縮包,所以現將其解壓,解壓后會得到cuda文件夾,cuda文件夾下有如下圖所示的幾個子文件夾
現在再找到你剛剛安裝的CUDA對應的路徑,我的如下圖所示:
將剛剛解壓后的所有文件,拷貝到CUDA的這個安裝路徑下,記得不要替換文件夾,選擇合并文件夾,或者將解壓后的文件夾下的文件拷到對應的CUDA的這個安裝路徑下bin,include,lib文件夾里。
至此cuDNN就安裝完畢了!
7、測試顯卡###
7.1、使用nvidia-smi命令####
在你的顯卡路徑下打開cmd,如果是默認位置的話應該是:C:\Program Files\NVIDIA Corporation\NVSMI,否則選擇你自己的安裝路徑。在cmd下輸入nvidia-smi后,顯示如下,說明安裝成功:
上圖中第一行是驅動信息,第三行是顯卡信息:TITAN X(Pascal),第四第五行是當前顯卡的進程。
7.2、查看CUDA的版本####
同樣的在cmd中輸入如下命令
nvcc -V顯示如下信息,說明安裝成功
8、安裝tensorflow###
若安裝cpu版本,可以使用如下命令
pip install tensorflow若安裝gpu版本,可以使用如下命令
pip install tensorflow-gpu以上命令都是安裝最新版的tensorflow,目前是1.8的,但是一般軟件建議使用次高版本的,這樣問題較少。我安裝的是tensorflow-gpu的1.5版本,所以使用以下命令:
pip install tensorflow-gpu==1.5注意:因為是在線安裝,當網絡不好時,會顯示安裝失敗,多重復使用幾次命令就好了。還有可能本地已有tensorflow,需要先卸載,使用如下命令:
pip uninstall <安裝時的tensorflow名稱>9、測試tensorflow-gpu###
當看到tensorflow安裝successful時,萬分激動,現在就來測試第一個tensorflow程序吧,打開cmd,輸入python,輸入如下代碼:
import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))顯示如下:
查看日志信息若包含gpu信息,就是使用了gpu。
其他方法:跑計算量大的代碼,通過 nvidia-smi 命令查看gpu的內存使用量。
大功告成!!!!
10、問題處理###
如果遇到問題,
1、首先查看一下自己安裝的tensorflow版本和CUDA以及CUdnn版本是否對應。
2、在命令行輸入 where MSVCP140.DLL 看看本機是否有MSVCP140.DLL,如果沒有可以在官網上在下載安裝Visual C++ Redistributable 2015。 點我進入下載官網
總結
以上是生活随笔為你收集整理的Win/ubuntu16.04+tensorflow_gpu+Anaconda的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 检测浏览器是pc端还是移动端 是否微信浏
- 下一篇: ubuntu16.04 配置远程桌面