Для TensorFlow я хотів би встановити cuda та CuDNN. Як це зробити на Ubuntu 16.04?
Для TensorFlow я хотів би встановити cuda та CuDNN. Як це зробити на Ubuntu 16.04?
Відповіді:
Крок 0: Встановіть cuda зі стандартних сховищ. (Див. Як я можу встановити CUDA на Ubuntu 16.04? )
Крок 1: Зареєструйте обліковий запис розробника nvidia та завантажте тут cudnn (близько 80 Мб)
Крок 2: Перевірте, де знаходиться ваша установка cuda. Для установки з сховища це /usr/lib/...
і /usr/include
. В іншому випадку це буде /usr/local/cuda/
або /usr/local/cuda-<version>
. Ви можете перевірити це за допомогою which nvcc
абоldconfig -p | grep cuda
Крок 3. Скопіюйте файли:
Встановлення сховища:
$ cd folder/extracted/contents
$ sudo cp -P include/cudnn.h /usr/include
$ sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
$ sudo chmod a+r /usr/lib/x86_64-linux-gnu/libcudnn*
Установка Runfile:
$ cd folder/extracted/contents
$ sudo cp include/cudnn.h /usr/local/cuda/include
$ sudo cp lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
-P
зберігає символічні посилання, тобто sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
уникає повідомлення:/sbin/ldconfig.real: /usr/lib/x86_64-linux-gnu/libcudnn.so.5 is not a symbolic link
include/cudnn.h
і бібліотеки lib64/
до /usr/local/cuda-8.0/include
і /usr/local/cuda-8.0/lib64
( з допомогою CUDA 8.0, Ubuntu 14.04, Tensorflow 0.12.0rc0) - може бути , це корисно для кого - то.
З 5.1 і далі ви не можете встановити згідно з тим, що згадував @Martin. Завантажте libcudnn6_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb
з сайту nvidia та встановіть один за одним наступний спосіб.
sudo dpkg -i <library_name>.deb
Редагувати : спочатку потрібно встановити час виконання (libcudnn6_6.0.21-1 + cuda8.0_amd64.deb), оскільки dev залежить від часу виконання (спасибі @tinmarino)
/usr/lib/x86_64-linux-gnu/
runtime
оскільки це dev
залежить
Завантажте та встановіть останню CUDA від NVidia або останню версію, яка відповідає програмному забезпеченню, з яким ви будете працювати, якщо така є, у цьому випадку ваша версія T-Flow.
Зауважте, що встановлення через стандартний менеджер пакунків ubuntu за допомогою клацання, ймовірно, не працюватиме належним чином.
Натомість вам, ймовірно, доведеться слідувати цим інструкціям у терміналі, щоб встановити пакунок .deb
. Після цього вам доведеться додати кілька рядків в .bashrc
або в відповідних випадках в вашому випадку. Наприклад, якщо ви налаштовуєте сервер, можливо, це буде інше місце, можливо, десь до початку автозапуску вашої програми, оскільки .bashrc
, напевно, не буде виконано у цьому випадку.
Я використовував версію "Бібліотека для Linux", не мав великої долі з .deb
пакетами.
Ви можете дізнатися, де знаходиться CUDA
which nvcc
. Зазвичай /usr/local/cuda/
буде символічне посилання на вашу встановлену версію.
cuda/lib64/
та cuda/include/
) встановлення CUDA . Я зазвичай sudo nautilus
і роблю це звідси візуально.Швидкий перемотка 2018 і NVIDIA тепер надає cuDNN 7.x для завантаження. Етапи установки все ще схожі на описані в @GPrathap. Але якщо ви хочете замінити стару версію cuDNN на нову, її потрібно видалити спочатку до встановлення.
Для резюме:
Крок 0. Перевірте, що ви вже встановили інструментарій CUDA. Продовжте установку інструментарію CUDA, якщо ви цього не зробили.
Крок 1. Перейдіть на портал розробників NVIDIA https://developer.nvidia.com/cudnn та завантажте cuDNN.
Крок 2. Якщо ви раніше встановили cuDNN, видаліть його
sudo dpkg -r <old-cudnn-runtime>.deb
sudo dpkg -r <old-cudnn-dev>.deb
Крок 3. Встановіть бібліотеку cuDNN (час виконання, dev, doc) за допомогою dpkg
sudo dpkg -i <new-cudnn-runtime>.deb
sudo dpkg -i <new-cudnn-dev>.deb
sudo ldconfig
Крок 4. Якщо ви хочете знайти, де встановлена бібліотека, ви можете оновити індекс пошуку, а потім знайти місце розташування бібліотеки.
sudo updatedb
locate libcudnn
Якщо ви спеціально встановлюєте cuDNN 7.x проти інструментарію CUDA 9.1, ця стаття надає більш детальну розробку, яка може бути корисною: http://tech.amikelive.com/node-679/quick-tip-installing-cuda-deep- neural-network-7-cudnn-7-x-library-for-cuda-toolkit-9-1-on-ubuntu-16-04 /
cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.
Також ви можете завантажити деб-пакети для дистрибутивів на основі Debian.
На веб-сторінці NVIDIA для профілю розробника доступні наступні файли:
Я перевірив це, над моєю машиною з Debian (Stretch) і TensorFlow працює!
Додавання важливої деталі до ще дійсних відповідей @Martin Thoma та @ Íhor Mé: Після копіювання файлів libcudnn у каталоги cuda необхідно оновити файл .bashrc:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
Потім потрібно додати каталог включення до будь-якого конфігураційного файла, який його використовує. Caffe, наприклад, має конфігураційний файл, який ви повинні відредагувати перед компіляцією з make. Для цього відредагуйте caffe / Makefile.config, щоб додати шляхи до цих змінних конфігурацій (додайте пробіл між шляхами):
INCLUDE_DIRS: /usr/local/caffe/cuda/include/
LIBRARY_DIRS: /usr/local/cuda/lib64/
Для кожного поточного вікна терміналу, для якого потрібно, щоб ці зміни були ефективними, не забудьте виконати файл один раз!
. ~/.bashrc
відповідь правильна, але для cuDNN 5.1 деякі назви були змінені. Отже, якщо ви користуєтеся цією версією після вилучення файлу cuDNN, ви знайдете дві папки: lib та include. змінити ім'я файлу * .h у папці include на cudnn.h, а потім дотримуйтесь https://askubuntu.com/a/767270/641589 . ця зміна потрібна, якщо ви хочете використовувати cuDNN для Caffe!
У 16.04, якщо ви встановлюєте CUDA безпосередньо з веб-сайту Nvidia, а ви також будуєте Tensorflow з джерела, ви можете вказати каталог, який ви хочете вказати як Cudnn. За замовчуванням це:
/usr/include/x86_64-linux-gnu
Коли ви будуєте Tensorflow, він запитає, яку версію ви хочете вказати, яку ви використовуєте для Cudnn. Потім після цього він запитає, де він знаходиться. Просто вкажіть каталог вище, і він буде добре працювати. Він повинен створити файл колеса в цей момент, і ви можете встановити його за допомогою pip.