注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

Tales~曾经的我们~

想起你的好

 
 
 

日志

 
 
关于我

专业化学。爱好文学。同时还喜欢美术、摄影、哲学、经济学、新闻传播学和计算机。目前乐器小提琴,最想学的乐器是钢琴。对ACG有爱。

网易考拉推荐

在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统(30分钟傻瓜版)  

2017-08-02 00:01:16|  分类: Computer |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
新配了一台电脑(i7-7700,GTX1070),装了UBUNTU 16.04,准备折腾折腾tensorflow。
之前看网上林林总总的安装教程,一个个都复杂无比。当然,复杂有复杂的道理,但是我实在是不想又在这台家用电脑上折腾一遍,于是又开始了偷懒大法。
貌似还真有。

1、安装Anaconda
电信百兆直连官网都只有5K左右的下载速度,推荐去清华大学开源软件站下载。
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
下载之后顺便把软件源更换了,添加个conda-forge。

2、安装CUDA
推荐改个国内源,速度快得多。

sudo apt install nvidia-cuda-toolkit

系统会自动帮你装好所有东西的。

安装完之后重启电脑,测试一下:

talesyuan@TalesYuan:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Tue_Aug_11_14:27:32_CDT_2015
Cuda compilation tools, release 7.5, V7.5.17


talesyuan@TalesYuan:~$ nvidia-smi
Tue Aug 1 23:07:20 2017
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.66 Driver Version: 375.66 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 1070 Off | 0000:01:00.0 On | N/A |
| 0% 43C P8 10W / 180W | 383MiB / 8112MiB | 0% Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1023 G /usr/lib/xorg/Xorg 222MiB |
| 0 1731 G compiz 158MiB |
+-----------------------------------------------------------------------------+


3、用Anaconda安装其他组件

conda install tensorflow-gpu

conda会自动帮你装好cudatoolkit和cuDNN匹配版本
同样的方法还可以装上openblas,theano,pytorch,keras,等等。

装好之后重启一下,做个测试,看看GPU是否可用。
测试来自:http://blog.csdn.net/weixin_35653315/article/details/71403386

def is_gpu_available(cuda_only=True):
"""
code from https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/platform/test.py
Returns whether TensorFlow can access a GPU.
Args:
cuda_only: limit the search to CUDA gpus.
Returns:
True iff a gpu device of the requested kind is available.
"""
from tensorflow.python.client import device_lib as _device_lib

if cuda_only:
return any((x.device_type == 'GPU')
for x in _device_lib.list_local_devices())
else:
return any((x.device_type == 'GPU' or x.device_type == 'SYCL')
for x in _device_lib.list_local_devices())


def get_available_gpus():
"""
code from http://stackoverflow.com/questions/38559755/how-to-get-current-available-gpus-in-tensorflow
"""
from tensorflow.python.client import device_lib as _device_lib
local_device_protos = _device_lib.list_local_devices()
return [x.name for x in local_device_protos if x.device_type == 'GPU']

print(is_gpu_available())
print(get_available_gpus())

-----------------------------------------------
基本上半小时搞定,还是美滋滋的。再装一次的话估计20分钟就能搞定了。
有时候也许真的需要去官网慢悠悠下源代码自己编译设置环境变量,比如需要某个特定版本的特性,或者为了最大限度发挥性能,等等。但更多的时候,对于许多人来说,先run起来比什么都重要。
  评论这张
 
阅读(40)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017