简单的方法：在Ubuntu 18.04上安装Nvidia驱动程序，CUDA，CUDNN和Tensorflow GPU

9

我如何轻松地运行tensorflow gpu？

18.04 cuda gpu

— 强尼
source

13

我刚刚在Ubuntu 18.04上安装了Tensorflow GPU。有很多说明，但是我认为通常不使用最快和最简单的方法，我想分享一下：

NVIDIA DRIVER：

ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi

CUDA：

正常情况下：“ sudo apt install nvidia-cuda-toolkit”但是，这将安装9.1版，此刻太新了，tensorflow将无法运行。而是下载CUDA 9.0：https : //developer.nvidia.com/cuda-90-download-archive? target_os = Linux&target_arch = x86_64&target_distro = Ubuntu&target_version = 1704&target_type =runfilelocal 然后运行（第一行的其他详细信息可在以下位置找到：如何我在Ubuntu 17.10上安装CUDA 9）：

sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc

add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit

CuDNN：

在nvidia开发人员处注册https://developer.nvidia.com/cudnn 下载16.04的运行时和开发人员库（文件cuDNN v7.1.3 Ubuntu16.04（Deb）的运行时库和cuDNN v7.1.3 Ubuntu16.04开发人员库（ Deb））使用软件管理器打开文件并安装它们。检查：

cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2

安装库和张量流：

sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu

校验：

in tensorflow check for GPU support 
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

注意：从终端启动tensorflow或您的开发环境，否则对我来说不会加载PATH变量。

— 强尼
source

反正有CUDA 10.1的工作？

— j0h

在nvidia的wesite中，我没有看到9.1版的cudnn软件包。9.0,9.2,10.0,10.1就是我所看到的，哦，还有源代码版本

— j0h

2

只是为了扩展Jonny的答案：按照Jonny的方法安装CUDA时，我必须为“为Linux-x86_64 384.81安装NVIDIA加速图形驱动程序”选择“否”？（是或其他默认设置）。否则，CUDA驱动程序安装将失败，并显示“错误：您的内核中似乎已装载了NVIDIA内核模块'nvidia-drm'”

然后，您可以通过运行示例来测试CUDA安装。

首先安装它们的依赖项：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libglfw3-dev libgles2-mesa-dev

这些将无法在Ubuntu 18上使用新的编译器进行编译，因此您需要降级到gcc / g ++ 6：

sudo apt-get install gcc-6 g++-6
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 10

通过导航到以下示例来编译样本：

~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release

并使用以下命令进行编译：

make -k

运行以下示例之一：

./nbody

— 罗伯特·科弗斯
source