Для TensorFlow я бы хотел установить cuda и CuDNN. Как мне это сделать на Ubuntu 16.04?
Для TensorFlow я бы хотел установить cuda и CuDNN. Как мне это сделать на Ubuntu 16.04?
Ответы:
Шаг 0: Установите cuda из стандартных репозиториев. (См. Как я могу установить CUDA в Ubuntu 16.04? )
Шаг 1: Зарегистрируйте учетную запись разработчика nvidia и загрузите cudnn здесь (около 80 МБ)
Шаг 2: Проверьте, где находится ваша установка cuda. Для установки из репозитория это /usr/lib/...
и есть /usr/include
. В противном случае это будет /usr/local/cuda/
или /usr/local/cuda-<version>
. Вы можете проверить это с помощью which nvcc
илиldconfig -p | grep cuda
Шаг 3: Скопируйте файлы:
Установка репозитория:
$ cd folder/extracted/contents
$ sudo cp -P include/cudnn.h /usr/include
$ sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
$ sudo chmod a+r /usr/lib/x86_64-linux-gnu/libcudnn*
Установка запуска файла:
$ cd folder/extracted/contents
$ sudo cp include/cudnn.h /usr/local/cuda/include
$ sudo cp lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
-P
сохраняет символические ссылки, т. sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
Е. Избегает сообщения:/sbin/ldconfig.real: /usr/lib/x86_64-linux-gnu/libcudnn.so.5 is not a symbolic link
include/cudnn.h
и библиотеки lib64/
к /usr/local/cuda-8.0/include
и /usr/local/cuda-8.0/lib64
( с помощью CUDA 8.0, Ubuntu 14.04, Tensorflow 0.12.0rc0) - может быть , это полезно для кого - то.
Начиная с версии 5.1 вы не можете устанавливать в соответствии с тем, что упоминал @Martin. Скачайте libcudnn6_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb
с сайта nvidia и установите один за другим следующим образом.
sudo dpkg -i <library_name>.deb
Редактировать : Вы должны сначала установить среду выполнения (libcudnn6_6.0.21-1 + cuda8.0_amd64.deb), потому что dev зависит от среды выполнения (спасибо @tinmarino)
/usr/lib/x86_64-linux-gnu/
runtime
decause dev
зависит от этого
Загрузите и установите последнюю версию CUDA от NVidia или последнюю версию, которая соответствует программному обеспечению, с которым вы будете работать, если таковая имеется, в данном случае - вашей версии T-Flow.
Обратите внимание, что установка через стандартный менеджер пакетов ubuntu с помощью нажатия, вероятно, не будет работать должным образом.
Вместо этого вам, вероятно, придется следовать этим инструкциям в терминале, чтобы установить .deb
пакет. После этого вам придется добавить несколько строк в .bashrc
или в соответствующих случаях в вашем случае. Например, если вы настраиваете сервер, он, вероятно, будет в другом месте, возможно, где-то до автозапуска вашего приложения, поскольку .bashrc
в этом случае он, вероятно, не будет выполнен.
Я использовал версию «Библиотека для Linux», мне не очень повезло с .deb
пакетами.
Вы можете найти, где CUDA находится через
which nvcc
. Обычно /usr/local/cuda/
это будет символическая ссылка на вашу текущую версию.
cuda/lib64/
и cuda/include/
). Я обычно sudo nautilus
и делаю это оттуда визуально.Перенесемся в 2018 году, и теперь NVIDIA предоставляет cuDNN 7.x для загрузки. Шаги установки все еще похожи на описанные @GPrathap. Но если вы хотите заменить старую версию cuDNN на новую, вам необходимо сначала удалить ее перед установкой.
Напомним:
Шаг 0. Убедитесь, что вы уже установили инструментарий CUDA. Продолжите установку инструментария CUDA, если у вас его нет.
Шаг 1. Перейдите на портал разработчиков NVIDIA https://developer.nvidia.com/cudnn и загрузите cuDNN.
Шаг 2. Если вы ранее установили cuDNN, удалите его
sudo dpkg -r <old-cudnn-runtime>.deb
sudo dpkg -r <old-cudnn-dev>.deb
Шаг 3. Установите библиотеку cuDNN (runtime, dev, doc) с помощью dpkg
sudo dpkg -i <new-cudnn-runtime>.deb
sudo dpkg -i <new-cudnn-dev>.deb
sudo ldconfig
Шаг 4. Если вы хотите узнать, где была установлена библиотека, вы можете обновить индекс locate, а затем найти местоположение библиотеки.
sudo updatedb
locate libcudnn
Если вы специально устанавливаете cuDNN 7.x против инструментария CUDA 9.1, эта статья предоставляет дополнительную информацию, которая может быть полезна: http://tech.amikelive.com/node-679/quick-tip-install-cuda-deep- нейронной сети 7-cudnn-7-х-библиотека-для-Cuda-инструментарием-9-1-на-убунту-16-04 /
cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.
Также вы можете скачать пакеты deb для дистрибутивов на основе Debian.
На веб-странице NVIDIA для профиля разработчика доступны следующие файлы:
Я проверял это на моей машине с Debian (Stretch) и TensorFlow работает!
Добавление важной детали к все еще действующим ответам @Martin Thoma и @ Íhor Mé: после копирования файлов libcudnn в каталоги cuda необходимо обновить файл .bashrc:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
Затем вы должны добавить каталог включения в любой файл конфигурации, который его использует. Например, у Caffe есть файл конфигурации, который вы должны отредактировать перед компиляцией с помощью make. Для этого отредактируйте caffe / Makefile.config, чтобы добавить пути к этим переменным конфигурации (добавить пробел между путями):
INCLUDE_DIRS: /usr/local/caffe/cuda/include/
LIBRARY_DIRS: /usr/local/cuda/lib64/
Для каждого текущего окна терминала вы хотите, чтобы эти изменения были эффективными, не забудьте выполнить файл один раз!
. ~/.bashrc
ответ правильный, но для cuDNN 5.1 некоторые имена были изменены. Так что если вы используете эту версию после распаковки файла cuDNN, вы найдете две папки: lib и include. измените имя файла * .h в папке include на cudnn.h, а затем следуйте https://askubuntu.com/a/767270/641589 . это изменение необходимо, если вы хотите использовать cuDNN для Caffe!
В 16.04, если вы устанавливаете CUDA непосредственно с веб-сайта Nvidia и также создаете Tensorflow из исходного кода, вы можете указать каталог, который вы хотите указать как Cudnn. По умолчанию это:
/usr/include/x86_64-linux-gnu
Когда вы создаете Tensorflow, он спросит вас, какую версию вы хотите указать, что вы используете для Cudnn. Затем после этого он спросит, где он находится. Просто укажите каталог выше, и он будет работать нормально. Он должен создать файл wheel в этот момент, и вы можете установить его с помощью pip.