Einführung

Tensorflow 2.0.0 wurde veröffentlicht und in Keras integriert, was es noch komfortabler macht. Daher werde ich die Prozedur von der Installation des GPU-Treibers über die Installation von CUDA und cuDNN bis hin zur Installation von Tensorflow 2.0.0-gpu schreiben, die für die Installation der GPU-Version von Tensorflow 2.0.0 unter Ubuntu 18.04 LTS erforderlich sind.

Umgebung

OS:Ubuntu 18.04 LTS GPU:nvidia Geforce GTX1660

Installation des GPU-Treibers

** - Paketinformationen aktualisieren ** Rufen Sie den Paketnamen, die Version und die Abhängigkeiten aus dem Paketrepository ab.

$ sudo apt update

** ・ Paketaktualisierung ** Aktualisieren Sie für alle Fälle das Paket.

$ sudo apt upgrade

** - Eine Liste der verfügbaren Treiber anzeigen **

$ ubuntu-drivers devices

Die folgenden Ergebnisse wurden auf der GTX 1660 angezeigt.

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00002184sv00001462sd00008D91bc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-driver-435 - distro non-free recommended
driver   : nvidia-driver-430 - distro non-free
driver   : xserver-xorg-video-nouveau - distro free builtin

Installieren Sie den empfohlenen Treiber nvidia-driver-435.

**-Installiere Treiber **

$ sudo apt install nvidia-driver-435

** · Neustart **

$ sudo reboot

Aktivieren Sie den installierten Treiber durch Neustart.

CUDA-Installation

Installieren Sie CUDA-10.0, das mit Tensorflow 2.0.0 kompatibel ist.

** - CUDA Toolkit herunterladen ** Laden Sie die .run-Datei für CUDA Toolkit 10.0 von der folgenden NVIDIA-Seite herunter. 　CUDA Toolkit 10.0 Archive 　https://developer.nvidia.com/cuda-10.0-download-archive Screenshot from 2019-12-23 17-40-47.png ** - Installation des CUDA Toolkit ** Um CUDA zu installieren, müssen Sie das Basisinstallationsprogramm herunterladen und installieren. Da diesmal auch ein Patch vorhanden ist, wechseln Sie nach dem Herunterladen des Basisinstallationsprogramms und des Patches in das Verzeichnis, in dem das Basisinstallationsprogramm und der Patch gespeichert sind.

$CD gespeichertes Verzeichnis

Führen Sie zuerst das Basisinstallationsprogramm aus.

/Gespeichertes Verzeichnis$ sudo sh cuda_10.0.130_410.48_linux.run

Drücken Sie die Taste D, um fortzufahren und die Frage zu beantworten. Da der Treiber diesmal zuerst installiert wird, setzen Sie die Treiberinstallation auf no. Wenn Sie ein CUDA-Beispiel benötigen, beantworten Sie die letzte Frage mit Ja.

-----------------
Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n

Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
　[ default is /usr/local/cuda-10.0 ]: /usr/local/cuda-10.0

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: n

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-10.0
Samples:  Not Selected

Dann installieren Sie Patch.

/\ Gespeichertes Verzeichnis$ sudo sh cuda_10.0.130.1_linux.run

Drücken Sie nach wie vor die Taste D, um fortzufahren und die Frage zu beantworten.

Do you accept the previously read EULA?
accept/decline/quit: accept    

Enter CUDA Toolkit installation directory
　[ default is /usr/local/cuda-10.0 ]: /usr/local/cuda-10.0

Installation complete!
Installation directory: /usr/local/cuda-10.0

** ・ Durch CUDAs PFAD gehen ** Geben Sie den folgenden Befehl ein.

$ echo -e "\n## CUDA and cuDNN PATHS" >> ~/.bashrc
$ echo "export PATH=/usr/local/cuda-10.0/bin:${PATH}" >> ~/.bashrc
$ echo "export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:${LD_LIBRARY_PATH}" >> ~/.bashrc
$ source ~/.bashrc

** ・ Bestätigung der CUDA-Installation ** Überprüfen Sie, ob CUDA des folgenden Befehls korrekt installiert ist.

$ nvcc -V

Ergebnis

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

Es kann bestätigt werden, dass CUDA 10.0 installiert wurde.

CuDNN installieren

Installieren Sie cuDNN7.6, das mit Tensorflow 2.0.0 kompatibel ist. ** ・ Installation von cuDNN ** Laden Sie die Datei cuDNN7.6 .deb von der folgenden nvidia-Seite herunter. Zum Herunterladen ist eine Registrierung der Mitgliedschaft erforderlich. 　Download cuDNN v7.6.0 (May 20, 2019), for CUDA 10.0 　https://developer.nvidia.com/rdp/cudnn-archive Screenshot from 2019-12-23 18-15-22.png Wechseln Sie nach dem Herunterladen der cuDNN Runtime Library für Ubuntu18.04 (Deb) und der cuDNN Developer Library für Ubuntu18.04 (Deb) in das gespeicherte Verzeichnis.

$CD gespeichertes Verzeichnis

Installieren Sie zunächst die Laufzeitbibliothek.

/Gespeichertes Verzeichnis$ sudo dpkg -i libcudnn7_7.6.0.64-1+cuda10.0_amd64.deb

Installieren Sie dann die Entwicklerbibliothek.

/Gespeichertes Verzeichnis$ sudo dpkg -i libcudnn7-dev_7.6.0.64-1+cuda10.0_amd64.deb

** ・ Bestätigung der cuDNN-Installation ** Geben Sie den folgenden Befehl ein

$ cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

Ergebnis

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

Wenn Sie das Obige sehen, wird cuDNN normal installiert.

Installieren Sie Tensorflow

Installieren Sie pip, um Tensorflow zu installieren. Wenn Sie bereits die neueste Version von pip installiert haben, können Sie die Curl- und Pip-Installationen überspringen. ** - Curl-Befehl installieren ** Installieren Sie den Befehl curl, mit dem Dateien im WEB installiert werden können, indem Sie die URL angeben.

$ sudo apt install curl

** ・ Pip installieren ** Installieren Sie das Python-Paketverwaltungs-Tool pip. Wenn Sie Ubuntu18.04LTS mit der Mindestkonfiguration installiert haben, müssen Sie pip3 nicht installieren, da Python2 nicht installiert ist. Pip muss die neueste Version sein, um Tensorflow 2.0.0 zu installieren. Wenn die Python 2-Umgebung jedoch gleichzeitig mit der Python 3-Umgebung vorhanden ist, tritt nach dem Aktualisieren von pip 3, das mit apt mit pip 3 installiert wurde, ein Fehler auf. Daher ist es einfacher, Tensorflow nur in einer Python 3-Umgebung zu installieren. Laden Sie den Python-Code herunter, um pip mit dem folgenden Befehl zu installieren, und führen Sie das Programm aus.

$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
$ sudo python3 get-pip.py

Damit ist die Installation von pip abgeschlossen. Sie können die Version von pip mit dem folgenden Befehl überprüfen.

$ pip -V
pip 19.3.1 from /usr/local/lib/python3.6/dist-packages/pip (python 3.6)

Wenn die Version von pip kleiner als 19.0 ist, geben Sie den folgenden Befehl ein.

$ pip install --upgrade pip

** - Setup-Tools aktualisieren ** Aktualisieren Sie setuptools mit dem folgenden Befehl.

$ pip install setuptools --upgrade

** - Installation von Tensorflow 2.0.0-GPU ** Tensorflow 2.0.0-GPU installieren. Geben Sie den folgenden Befehl ein.

$ pip install tensorflow-gpu==2.0.0

Damit ist die Installation von tensorflow-gpu == 2.0.0 abgeschlossen.

**Danke für deine harte Arbeit! !! Senden Sie ein lustiges Tensorflow 2.0.0-GPU-Leben! ** ** **