ubuntu16.04服务器上无root权限，配置个人tensorflow环境--cuda9.0+cuDNN7+tensorflow-gpu-1.18

本人在服务器上已经用Anconda创建好python3.5的环境，这个网上有一大堆教程。接下来是重点。

1. cuda的安装

https://developer.nvidia.com/cuda-downloads，选runfile(local)这个文件下载然后执行如下代码

  sh cuda_9.0.176_384.81_linux-run
  chmod +x filename.run #如果不能直接运行，执行这个命令

在协议中选择同意EULA（accept）,不安装driver installation （no）,然后再安装cuda时选择个人用户的目录，如/home/yourname/cuda9,以及cudasamples的目录。

nvidia-smi #查看显卡驱动运行状态
nvcc -V  #查看cuda-toolkit安装是否成功

2.cuDNN文件导入cuda安装目录对应的位置

https://developer.nvidia.com/cudnn，这个需要注册，然后选择cudnn-9.0-linux-x64-v7.tgz这个下载--lib库

cp cuda/include/cudnn.h cuda9/include/ #cuda9是个人用户的下的目录/home/yourname/cuda9
cp cuda /lib64/libcudnn* cuda9/lib64/
chmod a+r cuda9/include/cudnn/h cuda9/lib64/libcudnn*

cat ~/cuda91/include/cudnn.h | grep CUDNN_MAJOR -A5 #查看cuDNN安装状态

#查看结果
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5

#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

3.在自己的.bashrc文件里添加环境变量

export PATH=/home/yourname/cuda9/bin:$PATH” #加入文件中
export LD_LIBRARY_PATH=/home/yourname/cuda9/lib64/ #加入文件中
soure ~/.bashrc #使修改后的环境变量生效

4.安装并测试tensorflow

import tensorflow as tf
x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME')
with tf.Session() as sess:
    sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]

ubuntu16.04服务器上无root权限，配置个人tensorflow环境--cuda9.0+cuDNN7+tensorflow-gpu-1.18

猜你喜欢