Как установить графический процессор Tensorflow на Ubuntu 16.04 - PullRequest
Новая
       10

Как установить графический процессор Tensorflow на Ubuntu 16.04

0 голосов
/ 05 июля 2018

Я использую экземпляр AWS P2 gpu с графическим процессором Tesla K80 и Ubuntu 16.04 LTS. Установить Tensorflow для CPU очень просто: 

pip install tensorflow

Но установка Tensorflow для графического процессора не работает: 

pip install tensorflow-gpu

Ответы [ 2 ]

0 голосов
/ 17 августа 2018

Автоматически установить все рекомендуемые драйверы Ubuntu (включая драйвер nvidia): 

sudo apt-get purge nvidia*     
sudo ubuntu-drivers autoinstall

Вам будет предложено установить пароль для проверки подлинности установки. после того, как вы установили этот пароль, перезагрузите компьютер. Затем не запускайте в обычном режиме, перейдите в режим MOK и введите этот пароль в качестве ключа. После перезагрузки (перезагрузки) проверьте, успешно ли установлены драйверы: 

nvidia-smi

Затем установите Anaconda link , которая позаботится обо всем.

0 голосов
/ 05 июля 2018

Установка драйверов Nvidia: 

sudo apt-get remove nvidia* && sudo apt autoremove  
sudo reboot  # you will have to wait till reboot completes
sudo apt-get update
sudo apt-get install openjdk-8-jdk
curl -O http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo dpkg -i ./cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda-9-0

следующий код должен показать вам информацию о вашем GPU 

nvidia-smi

если вы видите подробности о вашем GPU, продолжайте с помощью следующих команд 

wget https://s3.amazonaws.com/open-source-william-falcon/cudnn-9.0-linux-x64-v7.1.tgz  
sudo tar -xzvf cudnn-9.0-linux-x64-v7.1.tgz  
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
source ~/.bashrc

Обязательно удалите свой предыдущий Tensorflow. Затем активируйте ваш виртуальный env и установите в нем тензорный поток. Если у вас нет виртуальной среды (вам следует), вам поможет следующий код: 

sudo pip install virtualenv
mkdir ~/virtualenv #creating a folder to store all your virtual env
cd ~/virtualenv/
virtualenv -p python3 venv1 #creates venv1 with new python installed on your ubuntu
source venv1/bin/activate #activates your venv
pip uninstall tensorflow
pip uninstall tensorflow-gpu
pip install jupyter # coz i like jupyter
pip install tensorflow-gpu

теперь позволяет проверить, работает ли Tensorflow-gpu 

python
import tensorflow as tf   
hello = tf.constant('Hello, TensorFlow!') #if no error received, its working
from tensorflow.python.client import device_lib
device_lib.list_local_devices() #this will show all CPU's and GPU's on your system

яй !!

...