首页 文章

Cuda nn路径在ubuntu 16.04上安装Tensorflow gpu时出现问题

提问于
浏览 次
0

我正在我的ubuntu 16.04机器上安装最新的Tensorflow库 . 为此，我下载并安装了最新的Cuda工具包和Cuda nn库 .

安装完成后，我使用以下命令检查了它 .

(/home/naseer/anaconda2/) naseer@naseer-Virtual-Machine:~/anaconda2$ python
Python 2.7.13 |Anaconda 4.3.1 (64-bit)| (default, Dec 20 2016, 23:09:15) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Anaconda is brought to you by Continuum Analytics.
Please check out: http://continuum.io/thanks and https://anaconda.org
>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:102] Couldn't open CUDA library libcudnn.so. LD_LIBRARY_PATH: /usr/local/cuda-8.0.61/lib64
I tensorflow/stream_executor/cuda/cuda_dnn.cc:2259] Unable to load cuDNN DSO
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally

以上输出是什么意思？这是否意味着Tensorflow将在我的Nvidia GPU系统上正确运行，还是我需要做其他事情？

My local Directory Structure:

我添加了以下屏幕截图，显示了我本地目录中的各种库路径 .

enter image description here

My Understanding

我觉得它正试图在路径/usr/local/cuda-8.0.61/lib64中打开CUDA库，而实际上有/usr/local/cuda-8.0/lib64和/ usr / local / cuda /的路径lib64下 . Itried重命名那条路但仍然无法工作？

Updates (Conflicting Directory Structure)

enter image description here

tensorflow gpu ubuntu-16.04 nvidia hyper-v

2 回答

  • 1

    要运行TensorFlow，您必须安装cuDNN . 有两种可能的方法：

    1.为所有用户安装cuDNN：

    这是official TensorFlow documentation描述的方式 . 这里，cuDNN安装在文件夹 /usr/local/cuda 中 . 这样，cuDNN可以被该计算机上的所有用户使用 . 说明来自TensorFlow文档：

    • 下载正确的cuDNN版本 . 对于TensorFlow r1.1，对于CUDA 8.0，这将是cuDNN v5.1 .

    • 解压缩 .tgz 文件 . 打开终端，导航到您下载cuDNN的文件夹，然后打电话

    tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz

    注意：这只是一个示例，请在调用之前检查文件名 .

    这将创建一个名为 cuda 的新文件夹，其中包含两个子文件夹 include 和 lib64 ，其中包含所有cuDNN文件 .

    • 将下载的文件移动到 /usr/local/cuda . 你需要 sudo 权利！
    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*

    这已经是它了 . TensorFlow现在应该按预期工作 .

    2.在本地安装cuDNN：

    如果您没有管理员权限，或者您希望在计算机上安装不同的cuDNN版本，则可以将cuDNN安装到您选择的任何文件夹，然后正确设置路径 . 此方法在this answer on StackOverflow中提出，并在官方NVIDIA安装说明中进行了解释 .

    步骤1和2与上述相同 .

    • 将提取的 cuda 文件夹移动到您选择的位置 .

    • 将此目录添加到 $LD_LIBRARY_PATH 环境变量中 . 在终端中，您可以通过呼叫来完成此操作

    export LD_LIBRARY_PATH=/path/to/cudnn/lib64:$LD_LIBRARY_PATH

    其中 /path/to/cudnn 是您在上一步中移动cuDNN的位置 . 注意 lib64 在最后！

    通常，在开始TensorFlow之前，您每次都必须调用它 . 为避免这种情况，您可以编辑文件 ~/.bashrc 并在文件底部添加此行 . 每次启动终端窗口时，这都会自动将cuDNN添加到路径中 .

    有了这个，TensorFlow将能够找到cuDNN并按预期工作 .

    回复于
  • 1

    要运行支持GPU的TensorFlow 1.4，您应首先安装CUDA 8（补丁2）和cuDNN v6.0，您可能会发现这个step-by-step installation guide很有用 .

    安装CUDA 8驱动程序后，您需要安装cuDNN v6.0：

    下载cuDNN v6.0驱动程序 . 驱动程序可以从here下载，请注意您需要先注册 .

    将驱动程序复制到远程计算机（scp -r -i ...）

    解压缩cuDNN文件，将它们复制到目标目录并从.tgz文件中提取文件：

    tar xvzf cudnn-8.0-linux-x64-v6.0.tgz sudo cp -P cuda / include / cudnn.h / usr / local / cuda / includesudo cp -P cuda / lib64 / libcudnn * / usr / local / cuda / lib64 sudo chmod ar /usr/local/cuda/include/cudnn.h / usr / local / cuda / lib64 / libcudnn *

    更新您的bash文件

    nano~ / .bashrc

    将以下行添加到bash文件的末尾：

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

    安装libcupti-dev库

    sudo apt-get install libcupti-dev

    安装点子

    sudo apt-get install python -pip sudo pip install -upgrade pip

    安装TensorFlow

    sudo pip install tensorflow-gpu

    通过在Python命令行中运行以下命令来测试安装：

    from tensorflow.python.client import device_lib def get_available_gpus（）：local_device_protos = device_lib.list_local_devices（）如果x.device_type =='GPU'，返回[x.name for x in local_device_protos] get_available_gpus（）

    对于单个GPU，输出应类似于：

    2017-11-22 03：18：15.187419：I tensorflow / core / platform / cpu_feature_guard.cc：137]您的CPU支持未编译此TensorFlow二进制文件的指令：SSE4.1SSE4.2 AVX AVX2 FMA 2017-11-22 03：18：17.986516：I tensorflow / stream_executor / cuda / cuda_gpu_executor.cc：892]从SysFS读取的成功NUMA节点具有负值（-1），但必须至少有一个NUMA节点，所以返回NUMA节点零2017-11-22 03：18：17.986867：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1030]找到具有属性的设备0：名称：Tesla K80 major：3 minor： 7 memoryClockRate（GHz）：0.8235 pciBusID：0000：00：1e.0 totalMemory：11.17GiB freeMemory：11.10GiB 2017-11-22 03：18：17.986896：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1120]创建TensorFlow设备（/ device：GPU：0） - >（设备：0，名称：Tesla K80，pci总线ID：0000：00：1e.0，计算能力：3.7）[u'/ device：GPU：0' ]

    回复于

相关问题