Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

文章目录

一、前言

Ubuntu 下安装 TensorFlow 并不是简单的使用 pip 安装就可以的,如果不能使用 GPU 的话效率是会很低的,这里的方法都是自己在系统下搭建踩过一些坑摸索出来的,希望会有些帮助。

  • 系统: Ubuntu21.10
  • cuda版本: cuda11.1
  • cudnn版本: cudnn8.1.0

二、安装NVIDIAdriver

1. 添加PPA源

添加 PPA 源:

sudo add-apt-repository ppa:graphics-drivers/ppa

为系统安装依赖项以构建内核模块:

[En]

Install dependencies for the system to build kernel modules:

sudo apt-get install dkms build-essential

2. 查看显卡硬件型号

打开终端,输入如下命令

ubuntu-drivers devices

输出界面如下,可以看到这里我的硬件显卡型号为 GP108M [GeForce MX250],推荐安装的驱动版本号为: driver : nvidia-driver-470 - distro non-free recommended

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

3. 安装NVIDIA驱动

在这里我们可以下载我们电脑推荐的驱动版本:

[En]

Here we can download the driver version recommended by our computer:

sudo ubuntu-drivers autoinstall

系统会自动安装推荐版本的驱动程序,然后重新启动系统。

[En]

The system automatically installs the recommended version driver and then restarts the system.

三、安装cuda

这里我用的 cuda 版本为 11.1,采用 .run 文件安装,最新的 11.6 版本试了有点问题,所以我换成了 11.1 版本。

1. 下载相关依赖

命令如下:

sudo apt-get install freeglut3 freeglut3-dev libxi-dev libxmu-dev

2. 下载安装文件

直接使用 wget 下载即可,这里我提供的是 11.1 版本的下载链接:

cd ~/Downloads
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

大概有 3 个多 G,注意网络连接。

3. 安装cuda-toolkit

这里我们只使用安装文件来安装 cuda-toolkit,driver 的安装我们在上述操作中已经完成,所以命令如下:

sudo sh ./cuda_11.1.0*.run --toolkit --silent --override

4. 配置环境变量

修改 ~/.bashrc 文件:

vim ~/.bashrc

添加如下内容:

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

使修改立即生效:

source ~/.bashrc

5. 检验安装

命令如下:

nvcc --version

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

四、安装cudnn

1. 下载安装文件

这里我下载的是 8.1.0 版本,cudnn 的安装需要与你的 cuda 版本对应,官网下载链接如下:https://developer.nvidia.com/rdp/cudnn-archive,你可能需要注册才能下载( 国内邮箱即可注册)。

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

选择 cuDNN Library for Linux (x86_64) 下载。

; 2. 安装cudnn8.1.0

进入下载目录:

cd ~/Downloads

解压 cudnn-11.2-linux-x64-v8.1.0.77.tgz 包:

mkdir cudnn-11.1
tar -zxf cudnn-11.2-linux-x64-v8.1.0.77.tgz -C ./cudnn

进入解压后文件目录:

cd cudnn

安装执行文件并授予权限:

[En]

Install the execution file and grant permissions:

sudo cp cuda/include/* /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*

查看 cudnn 版本:

cat /usr/local/cuda/include/cudnn_version.h

3. 配置环境变量

编辑 ~/.bashrc 文件:

vim ~/.bashrc

添加内容如下:

export LD_LIBRARY_PATH=/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

source 一下:

source ~/.bashrc

五、安装TensorFlow

1. 安装依赖包

安装 TensorFlow 之前需要我们安装两个个依赖包,这里我的 cuda 版本为 11.1,cudnn 版本为 8.1.0,下载依赖包为

  • libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
  • libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

官网链接如下:https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/

这里我使用 wget 下载:

cd ~/Downloads
wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

安装命令如下:

sudo dpkg -i libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

2. 安装TensorFlow

直接用 pip 安装即可,这里要求 Python 版本为 3.6-3.9pip >= 19.0,先使用如下命令升级你的 pip 工具:

python3 -m pip install --upgrade pip

使用 pip 安装 TensorFlow,这里我选择的是阿里云:

pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow

3. 测试

打开 Python,使用如下命令测试:

import tensorflow as tf
print(tf.__version__)

输出如下:

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

接着测试一下我们的 GPU 支持:

tf.config.list_physical_devices("GPU")

Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

大功告成!

六、总结

Original: https://blog.csdn.net/weixin_46584887/article/details/122726278
Author: Z.Q.Feng
Title: Ubuntu21.10下安装TensorFlow及配置GPU支持(cuda11.1+cudnn8.1.0)

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/497624/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球