日萌社" class="reference-link">日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

注意：虚拟机是无法安装英伟达GPU驱动的，所以必须要求linux(ubuntu、centos)是装在系统盘上的系统，比如双系统之类的。

CUDA、tensorflow版本清单：https://tensorflow.google.cn/install/source#linux

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70

GPU 版本 TensorFlow 安装指南
GPU 版本的 TensorFlow 可以利⽤ NVIDIA GPU 强⼤的计算加速能⼒，使 TensorFlow 的运⾏更为⾼效，尤其是可以
成倍提升模型训练的速度。安装过程有以下⼏个步骤
1、Centos nouveau模式禁⽤
2、CUDA TooKit和cuDNN的安装
3、TensorFlow-gpu版本安装

1、Centos nouveau模式禁用

Centos 安装之前先要禁⽤ nouveau, 才能后续安装

禁⽤过程命令如下：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf
# 1、添加下列两⾏
blacklist nouveau
options nouveau modeset=0
# 2、输⼊下⾯命令并进⾏重启
sudo dracut --force
sudo reboot #重启
lsmod | grep nouveau #若⽆结果显示则表明成功禁⽤

检查本机显卡驱动是否安装过：

# 注意：如果安装过显卡驱动输⼊，输⼊下⾯命令会显示下⾯情况
[root@localhost ~]# nvidia-smi
Wed Sep 25 04:24:35 2019 
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.87.00 Driver Version: 418.87.00 CUDA Version: 10.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:03:00.0 Off | N/A |
| 20% 38C P0 60W / 250W | 0MiB / 11178MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:04:00.0 Off | N/A |
| 22% 43C P0 54W / 250W | 0MiB / 11178MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+

注：如果没有安装过驱动，可以单独安装，也可以随着cuda过程安装，如下教程

2、CUDA TooKit和cuDNN的安装

Tensorflflow-gpu 与 cuda 版本对应： Linux 平台如下，其它平台参考官⽹： https://tensorflflow.google.cn/install/source

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 1

注意：安装显卡驱动命令, 去https://www.nvidia.cn/Download/index.aspx?lang=cn ⽹站，下载对应的驱动脚本，注意根据⾃⼰的显卡型号选择，必须选择cuda10.0版本，选择10.1最新会有TensorFlow加载不到动态库的错误。

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 2

# 运⾏脚本，中间选择按照它默认回撤即可
bash NVIDIA-Linux-x86_64-430.50.run
# 查看是否安装成功
nvidia-smi
Thu Oct 17 04:43:21 2019 
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 430.50 Driver Version: 430.50 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:03:00.0 Off | N/A |
| 17% 35C P0 59W / 250W | 0MiB / 11178MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:04:00.0 Off | N/A |
| 24% 43C P0 58W / 250W | 0MiB / 11178MiB | 2% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+

然后是安装cuda

【cuda10.0】https://developer.nvidia.com/cuda-10.0-download-archive
【最新版本cuda10.1】https://developer.nvidia.com/cuda-downloads

(1)⽐如这⾥我们⽤linux平台64位的centos的7版本，选择⽹络安装模式：

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 3

# 上⾯的⻚⾯中，去下载这个包，1.9G⼤⼩
# 然后运⾏安装命令
sudo sh cuda_10.0.130_410.48_linux.run

注：这个安装过程会比较慢，需要等待较长时间，中间几次提示默认即可

(2) 配置环境，这⾥加⼊到了系统的环境变量，没有选择⽤户下的环境变量 .bash_profifile

输入

vi /etc/profile

可在⽂件末尾加⼊⼀下配置：

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH

⽣效操作

source /etc/profile

(3) 验证是否安装完成，在终端输⼊： nvcc -V

显示下⾯的结果即成功

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

2、安装加速器cudnn

下载地址： https://developer.nvidia.com/rdp/cudnn-download :

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 4

这⾥选择下载cudnn-10.0-linux-x64-v7.6.4.38.tgz

注：需要注册登录才能选择版本且下载

接下来输⼊下⾯命令进⾏配置安装：

$ tar -xzvf cudnn-10.0-linux-x64-v7.6.4.38.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*

3、TensorFlow-gpu版本安装

我们先进⼊ conda 创建的⼀个 CV 课程虚拟环境中：

[root@localhost ~]# source activate cv_dl
(cv_dl) [root@localhost ~]#

在 python 虚拟环境中直接 pip install tensorflflow-gpu 默认下载是 TF 官⽹最新的 stable 版本，这⾥是安装了最新稳定版本 2.0.0

# 添加⼀个国内的下载源会提⾼下载速度-i https://pypi.tuna.tsinghua.edu.cn/simple
[root@localhost ~]# pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

进⾏测试，这⾥会显示我们有两块 GTX 1080Ti 的显卡 :

import tensorflow as tf
con = tf.constant('hello world')
print(con)
# 显示以下信息示为成功，这⾥会显示我们的centos中有两块GTX 1080Ti的显卡
...
2019-10-17 00:25:36.794546: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1304] Created TensorFlow device
(/job:localhost/replica:0/task:0/device:GPU:0 with 10481 MB memory) -> physical GPU (device: 0, name: GeForce GTX
1080 Ti, pci bus id: 0000:03:00.0, compute capability: 6.1)
2019-10-17 00:25:36.796989: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1304] Created TensorFlow device
(/job:localhost/replica:0/task:0/device:GPU:1 with 10481 MB memory) -> physical GPU (device: 1, name: GeForce GTX
1080 Ti, pci bus id: 0000:04:00.0, compute capability: 6.1)
tf.Tensor(b'hello world', shape=(), dtype=string)