More Related Content
What's hot (20)
Similar to Dl (20)
Dl
- 1. 深度学习环境搭建 系统 ： Linux centos 7.6 ，自带 python2.75 GPU： TITAN X * 2 CPU: Intel(R) Xeon(R) CPU E5-2609 v4 @ 1.70GHz * 2 搭建流程：NVIDIA驱动—》CUDA-》CUDNN-》Anaconda-》Tensor?ow-》Keras-》Pytorch 注：本文所有操作均在root权限下执行，对于非root用户，若命令执行不成功，可以在前面加上sudo。本文的深度 学习框架都通过conda安装，原因是conda安装较为方便，可以自动安装所需依赖。 安装NVIDIA显卡驱动 从NVIDIA官网选择合适的驱动下载，驱动下载地址 注意：安装NVIDIA的驱动程序前需要关闭X sever（关闭方法），如果是Centos，则还需要关闭系统自带的 Nouveau驱动（关闭方法），关闭后注意以文本模式重启系统，Linux设置文本启动的方法。 驱动下载好之后，进入驱动文件存放的目录，运行文件 验证是否安装成功 如果安装成功，输入命令后会显示GPU信息 ./NVIDIA-Linux-x86_64-375.39.run ?1 nvidia-smi1
- 2. 安装CUDA 选择合适版本下载安装， 下载地址 下载完成后 ，进入安装文件存放目录 然后进入安装选项，首先同意协议，其次注意第一项驱动安装选择 no ，因为前面已经安装过，后面都选 yes 即 可，安装完成后，需添加环境变量。 在 /etc/profile 最后添加 加载环境变量 测试是否安装成功 如果正常，则会显示设备查询信息 安装CUDNN 在官网下载与CUDA版本对应的CUDNN，可能需要科学上网，下载地址 下载该文件需要先注册成为NVIDIA的开发者，用邮箱注册即可 下载完成后 解压并拷贝到cuda的安装目录下 安装Anaconda sh cuda_10.0.130_410.48_linux1 export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda/bin:$PATH 1 2 source /etc/profile1 cd /usr/local/cuda/samples/1_Utilities/deviceQuery make ./deviceQuery 1 2 3 ./deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking) ... 1 2 3 tar -zxvf cudnn-*.tgz cp cuda/include/cudnn.h /usr/local/cuda/include cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 chmod a+r /usr/local/cuda/include/cudnn.h chmod a+r /usr/local/cuda/lib64/libcudnn* 1 2 3 4 5
- 3. Anaconda有python2与python3两种版本，选择合适的下载，如果是IBM power8，power9处理器则选择对应的 Installer。 安装选项都选 yes 即可。 安装Tensor?ow 进入python 环境，验证是否安装成功 正常输出为： 安装Keras 安装Pytorch 在官网选择合适版本的pytorch，选择好之后，命令会自动给出。 conda create -n tensorflow python=3.7 #创建名为Tensorflow的虚拟环境 source activate tensorflow #激活环境 pip install tensorflow-gpu #安装Tensorflow的GPU版 #如果速度慢，可以将上一句更改为如下命令，从豆瓣镜像下载 pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/ 1 2 3 4 5 import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) 1 2 3 4 Hello, TensorFlow!1 conda install keras-gpu #注意选择gpu版本 python import keras #验证是否安装成功 1 2 3