Ubuntu 安装 Tensorflow-gpu

更正!!!

tensorflow1.14.0 似乎有 bug，在 NVIDIA 2070 super 上运行时会直接把显存占满，导致进程被 kill，换成 tensorflow1.15.3 后就好了，因此最终配置如下：

Software	Version
nvidia driver	nvidia-440.82
Python	3.6.9
tensorflow	tensorflow-gpu==1.15.3
cuDNN	7.6.4
CUDA	10.1(V10.1.243)

安装 NVIDIA 显卡驱动

1. 下载 NVIDIA 显卡对应的驱动，下载后的文件格式为 .run

2. bios 禁用 secure boot，也就是设置为 disable

   如果没有禁用 secure boot,会导致 NVIDIA 驱动安装失败，或者不正常。

3. 禁用 nouveau 开源驱动

   编辑 /etc/modprobe.d/blacklist.conf 文件，在最后加入：

   blacklist nouveau

   由于nouveau是在内核中的，还需要更新一下，执行如下命令：

   sudo update-initramfs -u

   之后重启电脑：

   sudo reboot

   重启后查看禁用是否成功：

   lsmod | grep nouveau

   没有输出代表nouveau被禁用了

4. 关闭 GUI 界面，进入命令行模式

   sudo telinit 3

5. 安装 NVIDIA 驱动

   如果以前安装过 nvidia 驱动，需要卸载：

   sudo apt-get autoremove –purge "*nvidia*"

   首先给驱动文件增加可执行权限：

   sudo chmod a+x NVIDIA-Linux-*******.run

   然后执行安装：

   sudo sh ./NVIDIA-Linux-*******.run -no-opengl-files

   安装完成后重启 !!!

   –no-opengl-files 参数必须加否则会循环登录，也就是 loop login

   参数介绍：

   –no-opengl-files 只安装驱动文件，不安装 OpenGL 文件，这个参数最重要； –no-x-check 安装驱动时不检查 X服务； –no-nouveau-check 安装驱动时不检查 nouveau； 后面两个参数可不加。

6. 最后切换回 GUI 界面

   sudo telinit 5

输入 nvidia-smi 查看驱动安装是否成功

nvidia-smi

最后我装的是 430.50 版本的驱动

显示使用核显，计算使用独显

https://forums.developer.nvidia.com/t/ubuntu-18-04-headless-390-intel-igpu-after-prime-select-intel-lost-contact-to-geforce-1050ti/66698

sudo prime-select nvidia

add ‘nogpumanager’ kernel parameter

create /etc/X11/xorg.conf

Section "Device"
    Identifier     "intel"
    Driver         "modesetting"
    BusID          "PCI:0:2:0"
EndSection

安装 CUDA (version 10.0)

Tensorflow 与 CUDA 有对应关系，可以参考这里，主要是因为 tensorflow 会调用 usr/local/cuda/lib64 目录下的 .so 文件，我尝试过了，1.14,1.15 版本的 tensorflow 调用的都是 10.0 的 cuda，装错版本会提示 .so 文件找不到

version

我要装的是 Tensorflow-gpu 1.14.0，因此我安装 CUDA10.0 和 cuDNN7.4

下载 CUDA https://developer.nvidia.com/cuda-toolkit-archive

download

运行如下命令安装

sudo sh cuda_<version>_linux.run

安装过程中会有一些选项，显卡驱动不要装 !!! 因为之前已经装过了

installer

安装完成输出的 log 会有提示

最后将cuda添加到系统环境中

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

检查是否安装成功：

nvcc -V

安装 cudnn (version 7.4.2)

下载 cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0

cudnn-download

解压后，会得到一个名为 cuda 的文件夹，将问价拷贝到 cuda 的安装目录下

注意!!! cuda/lib64 里的文件有链接的结构，如下，不能直接 cp，使用 -a 参数可以保持软链接结构

la

sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo cp -a cuda/include/cudnn.h /usr/local/cuda-10.0/include/

需要注意下这几个文件的权限！！！

测试 CUDA 是否安装成功

1. 切换到测试目录下：

   cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery

2. 编译

   sudo make

3. 进行测试，运行文件

   ./deviceQuery

   会看到类似这种结果：

   

   deviceQuery

安装多个版本的 cuda

因为 cuda 安装目录下是用软链接的方式实现的，因此我们可以安装多个版本的 cuda，只要将软链接链接到对应的 cuda 就行，如下：

cuda

使用命令：

rm -rf cuda # 删除原来的软链接
sudo ln -s /usr/local/cuda-<version> /usr/local/cuda # 建立新的软链接

注意环境变量的修改，可以将 cuda- 修改为 cuda 这种通用形式

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

最后查看当前的 cuda 版本

nvcc -V

如果确实软链接修改成功了，环境变量也改好了，版本依旧没有切换，尝试重启一下

安装 tensorflow

参考使用 pip 安装 TensorFlow

坑！！！

1. Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

   

   error1

   这个报错可能是 tensorflow 和 cuda 版本不符合，但如果已经按照推荐列表里的对应关系安装了 tensorflow 和 cuda，任然这样报错就可能是 tensorflow 占用的显存过多，进程直接被系统 kill 了，因此可以对 tensorflow 的显存进行限制。

   参考：http://www.cnblogs.com/darkknightzh/p/6591923.html

   • 定量设置显存

     gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
     sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) 

     在程序开始的地方加上这两行，这样运行TensorFlow程序时，每个使用的GPU中，占用的显存都不超过总显存的0.7。

   • 按需设置显存

     gpu_options = tf.GPUOptions(allow_growth=True)
     sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))   

     这样设置以后，程序就会按需占用GPU显存。