Keras学习环境配置-GPU加速版(Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Keras学习环境配置-GPU加速版(Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)相关的知识,希望对你有一定的参考价值。
本文是个人对Keras深度学习框架配置的总结,不周之处请指出,谢谢!
1. 首先,我们需要安装Ubuntu操作系统(Windows下也行),这里使用Ubuntu16.04版本:
2. 安装好Ubuntu16.04之后,需要对系统进行初始化设置及更新:
打开终端输入:
系统升级:
→~ sudo apt-get update
→~ sudo apt-get upgrade
安装基础依赖库:
→~ sudo apt-get install python-dev python-pip python-nose gcc g++ git gfortran libopenblas-dev liblapack-dev libatlas-base-dev
→~ sudo apt-get install setuptools wheel python-numpy python-scipy python-matplotlib
3. 安装CUDA开发环境
下载CUDA8.0:
打开终端,切换到下载目录:
→~ sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
→~ sudo apt-get update
→~ sudo apt-get install cuda
安装完成后,配置CUDA路径:
→~ sudo gedit /etc/profile
在profile文件末尾回车添加(注意:如果使用的不是8.0版本需要修改版本号):
→~ export CUDA_HOME=/usr/local/cuda-8.0
→~ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
→~ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
修改之后:
→~ source /etc/profile
验证是否配置成功:
→~ nvcc -V
出现下面的信息即成功:
4. 安装cuDNN加速库
本文采用的是CUDA8.0,对应的安装cudnn-8.0-linux-x64-v6.0.tgz。下载解压出来是名为cuda的文件夹,里面有bin、include、lib,将三个文件夹复制到安装CUDA的地方覆盖对应文件夹:
→~ cd /home/..../cudnn/
→~ 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*
5. 安装Keras框架
→~ sudo pip install scikit-learn scikit-image
→~ sudo pip install tensorflow-gpu # GPU加速版
→~ sudo pip install keras
在终端中验证是否安装成功:
→~ import tensorflow
→~ import keras
如果不报错,即配置成功!
以上是关于Keras学习环境配置-GPU加速版(Ubuntu 16.04 + CUDA8.0 + cuDNN6.0 + Tensorflow)的主要内容,如果未能解决你的问题,请参考以下文章
如何选择/配置 AWS GPU 实例以加速 TensorFlow.keras?
Ubuntu16.04.5 配置英伟达NVIDIA 显卡 驱动实现GPU加速
Ubuntu20配置ffmpeg进行gpu硬件加速视频编码记录
windows 下 TensorFlow(GPU 版)的安装