tensorflow-gpu installation

GPU加速版TensorFlow安装踩坑记录

System information:

• Ubuntu 18.04 LTS

• TensorFlow version: 1.13

• Python version: 3.6

• CUDA: 10.0

• cuDNN: 7.4

• GPU: Nvidia GeForce GTX 1050

1. 千万提前确定好需要使用的tensorflow版本，再下载版本匹配的CUDA, cuDNN

   幸好TensorFlow已经帮我们测试好了，在官网可以轻松找到推荐的构建配置。因为我平时都在用Ubuntu18.04，在这把Linux平台上合适的配置放出来

   

2. 确定好构建配置，这一步可以下载CUDA和cuDNN了

   CUDA安装指令在官网已经详细贴出来，我就不再重复（真正的坑在安装cuDNN的时候等着呢）

   安装cuDNN（这里还是以Linux平台为例）：

   • 下载cuDNN需要先注册

   • 解压tar包，先修改tar包文件权限

     $sudo chmod +x cudnn-10.0-linux-x64-v7.4.2.tgz

     $tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

   • 复制下列文件到CUDA Toolkit的文件夹，修改这些文件权限

     一般CUDA Toolkit会自动安装在/usr/local下面

     $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*

3. 全部安装好后，检查版本是否正确

   • CUDA版本

     $cat /usr/local/cuda/version.txt 或者nvcc --version

   • cuDNN版本

     $cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

     ps: 有时候遇到failed call to cuInit: CUDA_ERROR_UNKNOWN: unknown error需要重启电脑

4. 最后的最后，检查TensorFlow是否能使用GPU加速

   from tensorflow.python.client import device_lib
   import tensorflow as tf
   
   
   # list the avilable devices in local processes
   device_lib.list_local_devices()
   
   # matrix multiplying with GPU
   a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
   b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
   c = tf.matmul(a, b)
   
   sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
   print(sess.run(c))