安裝教程可以參考:
在Ubuntu16.04上安裝gtx1080的Cuda
七月17 2016
tensorflow是目前非常流行的深度學習計算框架，常規硬件和系統的安裝方法在官方doc中已經說的很清楚了，但是因為系統是ubuntu16.04，顯卡是GTX1080，所以難免要折騰壹下。在上壹篇文章中已經在16.04上安裝了驅動程序。其實下壹步就是裝CUDA和cuDNN了。
首先，為什麽要裝CUDA和cuDNN？benchmark可以發現GPU計算比CPU快多少。這次的重點是如何讓tensorflow充分利用GTX1080的能力。具體是如何安裝支持GTX1080的CUDA和cuDNN，然後讓tensorflow了解我們新安裝的CUDA和cuDNN。
首先，安裝步驟如下:
1必須先註冊NVIDIA開發者的賬號，分別下載CUDA和cuDNN。
2確認準備gcc版本並安裝依賴庫sudo apt-get install freegl。
3安裝CUDA
4解壓cuDNN
5克隆tensorflow源代碼，配置配置
6編譯和安裝
7最後的顫抖，考驗！
準備工作/即將開始工作
在正式開始之前，我們需要做壹些準備工作，主要是先看看文件。
cuda常見問題
tensorflow安裝文檔
Cuda-gpu支持列表/計算能力/常見問題
cudnn 5.1有多牛逼？
Cuda tookit下載頁面
CUDA _安裝_指南_Linux.pdf
cudnn用戶指南
閱讀文檔後，下壹步是實際動手操作過程:
1註冊英偉達開發者的賬號，分別下載CUDA和cuDNN。
1.1下載cuda打開CUDA工具包下載頁面。GTX1080用的是CUDA 8。首先單擊“加入”註冊您的帳戶。之後，返回cuda工具包下載頁面。選擇Linux，x86-64，Ubuntu，16.04，運行文件(本地)。
1.2下載cuDNN進入cudnn的下載頁面，壹堆調查，寫日誌的時候下載【下載cud nn V5(2065 438+06年5月27日)，針對CUDA 8.0 RC】，點開linux，不出意外的話這是下載地址。
2確認GCC版本並安裝依賴庫。
確認本機gcc版本。16.04的默認版本是gcc 5，這裏的最高安裝要求是gcc 4.9。接下來，安裝並配置gcc 4.9。
2.1安裝gcc 4.9，並將系統默認修改為4.9。
sudo apt-get安裝gcc-4.9 gcc-4.9 g++-4.9 g++-4.9
gcc版本
sudo更新-替代項-install/usr/bin/g++ g++/usr/bin/g++-4.9 10
sudo更新-替代項-install/usr/bin/cc cc/usr/bin/gcc 30
sudo更新-替代項-設置cc /usr/bin/gcc
sudo更新-替代選項-install/usr/bin/c++ c++/usr/bin/g++ 30
sudo更新-替代項- set c++ /usr/bin/g++
gcc版本
2.2小依賴性
sudo apt-get安裝免費
3安裝CUDA
需要註意的是，這個地方有選擇安裝低版本驅動的地方。選擇N的壹般安裝過程如下:
3.1安裝CUDA
chmod？+x /cuda_8.0.27_linux.run
。/cuda_8.0.27_linux.run
....
妳接受以前讀過的EULA嗎？
接受/拒絕/退出:接受
安裝NVIDIA加速顯卡驅動Linux-x86_64 361.62？
(y)es/(n)o/(q)uit: n
安裝CUDA 8.0工具包？
(y)es/(n)o/(q)uit: y
輸入工具包位置
[默認為/usr/local/cuda-8.0 ]:
妳想在/usr/local/cuda安裝壹個符號鏈接嗎？
(y)es/(n)o/(q)uit: y
安裝CUDA 8.0示例？
(y)es/(n)o/(q)uit: y
輸入CUDA樣本位置
[默認為/home/h]:/home/h/Documents/cuda _ samples
....
3.2編寫環境變量
vim ~/。bashrc
#添加以下變量
導出路徑=/usr/local/cuda-8.0/bin $ { PATH:+:$ { PATH } }
導出LD _ LIBRARY _ PATH =/usr/local/cuda-8.0/lib 64 $ { LD _ LIBRARY _ PATH:+:$ { LD _ LIBRARY _ PATH } }
3.3安裝後的簡單驗證
A.進入cuda sample所在的文件夾，NVIDIA_CUDA-8.0_Samples/
b.CD 0 _ Simple/async API；sudo make
c.NVIDIA _ CUDA-8.0 _ Samples/0 _ Simple/async API $。/asyncAPI [。/asyncAPI] -正在啟動… GPU設備0:“GeForce GTX 1080”具有計算能力6.1 CUDA設備[GeForce GTX 1080]GPU執行所花費的時間:10.94 CPU在CUDA調用中所花費的時間:0.19 CPU在等待GPU完成時執行了50591次叠代
4安裝cuDNN
h @ h:~/下載$ tar xvzf cud nn-8.0-Linux-x64-v 5.0-ga . tgz
cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a
h @ h:~/Downloads $ sudo CP-R cuda/lib 64/usr/local/cuda/lib 64
h @ h:~/Downloads $ sudo mkdir-p/usr/local/cuda/include
h @ h:~/Downloads/cuda $ sudo CP include/cud nn . h/usr/local/cuda/include/
sudo chmod a+r/usr/local/cuda/include/cud nn . h/usr/local/cuda/lib 64/libcudnn *
5克隆，配置張量流
5.1克隆源代碼
$ git克隆
5.2配置配置
整個配置過程應該基本和下面壹樣。
h@h:~/Downloads/tensorflow$ cd。/tensorflow/
h@h:~/Downloads/tensorflow$。/配置
請指定python的位置。[默認為/usr/bin/python]:
* * *是否希望在Google雲平臺支持下構建TensorFlow？[是/否]否***
TensorFlow不會啟用Google雲平臺支持
* * *您希望使用GPU支持構建TensorFlow嗎？[y/N] y***
將為TensorFlow啟用GPU支持
請指定哪個gcc nvcc應該用作主機編譯器。[默認為/usr/bin/gcc]:
* *請說明CUDA的位置？工具包已安裝。有關更多詳細信息，請參考README.md。[默認為/usr/local/cuda]:/usr/local/cuda-8.0 * *
* *請指定您要使用的Cudnn版本。[留空以使用系統默認值]: 5.0.5**
* *請指定cuDNN 5.0.5庫的安裝位置。有關更多詳細信息，請參考README.md。[默認為/usr/local/cuda-8.0]:/usr/local/cuda * *
請指定壹個以逗號分隔的Cuda計算功能列表，您希望使用這些功能進行構建。
您可以在以下網址找到您設備的計算能力:
* *請註意，每增加壹項計算能力都會顯著增加您的構建時間和二進制文件大小。
[默認值為:“3.5，5.2”]:6.1 * *
設置Cuda包括
設置Cuda lib64
設置Cuda bin
設置Cuda nvvm
設置CUPTI包括
設置CUPTI lib64
配置完成
6編譯和安裝
6.1編譯器Bazel安裝配置？
先看看文件？然後執行以下過程:
#安裝java 1.8
sudo add-apt-repository PPA:webupd 8 team/Java
sudo apt-get更新
sudo apt-get安裝oracle-java8-installer
#安裝後，參考汽車。
java版本
#添加信號源
echo " deb[arch = amd64]stable JDK 1.8 " | sudo tee/etc/apt/sources . list . d/bazel . list
curl | sudo apt-鍵添加-
#下載
sudo apt-get更新& amp& ampsudo apt-get install bazel
#升級
sudo apt-get升級bazel
6.2編譯並安裝tensorflow的pip版本。
$ bazel build-c opt//tensor flow/tools/pip _ package:build _ pip _ package
#在GPU支持下構建:
$ bazel build-c opt-config = cuda//tensor flow/tools/pip _ package:build _ pip _ package
$ bazel-bin/tensor flow/tools/pip _ package/build _ pip _ package/tmp/tensor flow _ pkg
#的名稱。whl文件將取決於您的平臺。
#註意編譯後生成的文件名不壹定和正式文檔中的壹致。
$ sudo pip install/tmp/tensor flow _ pkg/tensor flow-0。*-linux_x86_64.whl
I6700k 32g編譯時間:
不使用pipinfo編譯代碼:耗時:967.438+0s，關鍵路徑:538.38s
bazel-bin/tensor flow/tools/pip _ package/build _ pip _ package信息:耗時:65.183s，關鍵路徑:48.58
7最終測試
前面全做完了，現在該測試了。註意前面有兩個動態鏈接庫的位置，cuDNN在/usr/local/cuda/lib64，cuda在/usr/local/cuda-8.0/lib64，所以此時的bashrc應該寫成這樣:
導出路徑=/usr/local/cuda-8.0/bin $ { PATH:+:$ { PATH } }
導出LD _ LIBRARY _ PATH =/usr/local/cuda/lib 64:/usr/local/cuda-8.0/lib 64 $ { LD _ LIBRARY _ PATH:+:$ { LD _ LIBRARY _ PATH } }
寫完後，
來源~/。bashrc
CD tensor flow/tensor flow/models/image/mnist
python卷積. py
如果妳成功了，就會有平穩的運行:
h @ h:~/Downloads/tensor flow/tensor flow/models/image/mnist $ python convolatile . py
I tensor flow/stream _ executor/DSO _ loader . cc:108]在本地成功打開CUDA庫libcublas.so
I tensor flow/stream _ executor/DSO _ loader . cc:108]在本地成功打開CUDA庫libcudnn.so.5.0.5
I tensor flow/stream _ executor/DSO _ loader . cc:108]在本地成功打開CUDA庫libcufft.so
I tensor flow/stream _ executor/DSO _ loader . cc:108]在本地成功打開CUDA庫libcuda.so.1
I tensor flow/stream _ executor/DSO _ loader . cc:108]在本地成功打開CUDA庫libcurand.so
提取數據/訓練圖像-idx3-ubyte.gz
提取數據/列車標簽-idx1-ubyte.gz
提取數據/t 10k-images-idx 3-ubyte . gz
正在提取數據/t 10k-labels-idx 1-ubyte . gz
I tensor flow/stream _ executor/cuda/cuda _ GPU _ executor . cc:925]從SysFS成功讀取的NUMA節點具有負值(-1)，但必須至少有壹個NUMA節點，因此返回NUMA節點零
I tensor flow/core/common _ runtime/GPU/GPU _ init . cc:102]找到具有以下屬性的設備0:
名稱:GeForce GTX 1080
主要:6次要:1內存時鐘頻率(GHz) 1.8475
pciBusID 0000:01:00.0
總內存:7.92千兆字節
可用內存:7.41GiB
I tensor flow/core/common _ runtime/GPU/GPU _ init . cc:126]DMA:0
I tensor flow/core/common _ runtime/GPU/GPU _ init . cc:136]0:？Y
I tensorflow/core/common _ runtime/GPU/GPU _ device . cc:838]創建tensor flow設備(/GPU:0)-& gt；(設備:0，名稱:GeForce GTX 1080，pci總線id: 0000:01:00.0)
已初始化！
第0步(紀元0.00)，8.4毫秒
迷妳批次損失:12.054，學習率:0.010000
小批量誤差:90.6%
驗證誤差:84.6%
......
小批量誤差:0.0%
驗證誤差:0.7%
步驟8500(紀元9.89)，4.7毫秒
迷妳批次損失:1.601，學習率:0.006302
小批量誤差:0.0%
驗證誤差:0.9%
測試誤差:0.8%