0%

TensorFlow GPU 在Ubuntu 18.04的安装

发表于 更新于 阅读次数： Valine：

在Ubuntu上安装TensorFlow GPU版本，首先需要：

  • 一张NVIDIA GPU显卡和Ubuntu系统；
  • NVIDIA 显卡驱动，最新为495.29.05（2021年10月22日）；
  • CUDA toolkit；
  • cudNN SDK；
  • CUPTI；
  • TensorFlow作为深度学习的框架。

以NVIDIA 2080ti为例，安装步骤如下：

安装 NVIDIA 显卡驱动

在官网：https://www.nvidia.com/download/index.aspx?lang=en-us 下载最新的显卡驱动。

完成后运行nvidia-smi，查看显卡信息：

正常显示则表示驱动安装成功。

Ubuntu初次插入GPU显卡后会自动安装驱动，也能正常使用显卡，但是版本可能较低，和TensorFlow的GPU需求不匹配。也可以通过Ubuntu自带的驱动更新来安装显卡最新的驱动。

CUDA toolkit

去谷歌网站查看版本匹配，确定TensorFlow、cuda toolkit、和cuDNN的版本对应正确。

以TensorFlow2.5为例，需要的cuDNN8.1和CUDA 11.2。

注意这个CUDA 11.2不是驱动的版本，可以和上面的显卡驱动显示的11.5不一致。

下载：

1
2
3
wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda_11.2.2_460.32.03_linux.run
sudo chmod +x cuda_11.2.2_460.32.03_linux.run
sudo ./cuda_11.2.2_460.32.03_linux.run

坑-1

cuda toolkit包中含有了显卡驱动，因为之前已安装，这里不要再安装，否则显卡驱动冲突。

此处可参考：https://zhuanlan.zhihu.com/p/122286055

去掉driver前面的X，执行install，等一会安装成功。

添加到路径

1
2
3
4
5
sudo gedit ~/.bashrc
export PATH="/usr/local/cuda-11.2/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH"
export CUDA_HOME=/usr/local/cuda-11.2
source ~/.bashrc

测试

1
nvcc -V

cuDNN

从官网（https://developer.nvidia.com/rdp/cudnn-download） 下载cuDNN。先注册，然后找到对应的8.1版本，并下载deb版本。

可参考：https://zhuanlan.zhihu.com/p/126997172

下载内容为：

1
2
3
libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb
libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb
libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb

依次安装：

1
2
3
sudo dpkg -i llibcudnn8_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb

对于新版的cuda，如11.6，cudnn只提供了一个文件。可以使用如下方法安装：

1
2
3
4
5
6
7
8
# Procedure
# Navigate to your <cudnnpath> directory containing the cuDNN tar file.
# Unzip the cuDNN package.
$ tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz
# Copy the following files into the CUDA toolkit directory.
$ sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
$ sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

参考：https://blog.csdn.net/P081513083/article/details/126324723

测试cuDNN

1
2
3
4
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd  ~/cudnn_samples_v8/mnistCUDNN
sudo make clean 
sudo make

遇到错误：

1
2
test.c:1:10: fatal error: FreeImage.h: No such file or directory
     1 | #include "FreeImage.h"

解决方法：

1
sudo apt-get install libfreeimage3 libfreeimage-dev

进行测试：

1
sudo ./mnistCUDNN

显示Test passed!。

CUPTI

该程序没有约定版本，直接通过apt安装。

1
sudo apt-get install libcupti-dev

并编辑~/.bashrc添加到路径。

1
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

Tensorflow

坑2

不要使用conda安装，使用pip安装。

使用conda反复安装TensorFlow，总是无法调用GPU，后来使用pip安装（也是官方教程的方法）发现安装包要比conda的包大一倍。

使用下面的命令测试：

1
import tensorflow as tf

会出现Successfully opened dynamic library libcudart.so.11.0，表示成功。

接着使用

1
tf.config.list_physical_devices('GPU')

至此，安装成功。

参考

https://medium.com/analytics-vidhya/configure-tensorflow-gpu-with-ubuntu-18-04-2021-update-aee264e887ae
https://www.bilibili.com/read/cv9164113
https://towardsdatascience.com/installing-tensorflow-gpu-in-ubuntu-20-04-4ee3ca4cb75d
https://zhuanlan.zhihu.com/p/122286055
https://zhuanlan.zhihu.com/p/126997172
https://www.tensorflow.org/install/source#gpu