[PYTHON] Jusqu'à ce que l'environnement Deep Learning (TensorFlow) utilisant le GPU soit préparé pour Ubuntu 14.04

lié à python

pyenv --Installation des packages requis

sudo apt-get install git gcc make openssl libssl-dev libbz2-dev libreadline-dev libsqlite3-dev

--git clone pyenv

sudo git clone git://github.com/yyuu/pyenv.git ./pyenv
cd
vim .bash_profile
export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init -)"
source .bash_profile
pyenv install --list

virtualenv

git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.pyenv/plugins/pyenv-virtualenv
sudo apt-get install python-vietualenv

Autres packages requis

sudo apt-get install python-pip, python-dev

Autour du GPU

Pilote GPU NVIDIA

Sélectionnez dans Site CUDA Téléchargement depuis Site 「Linux」-> 「x86_64」->「Ubuntu」->「14.04」->「deb[local]」

cuDNN Téléchargement depuis Site Vérifiez correctement et cliquez sur «Procéder aux téléchargements» Cochez Accepter et cochez "Télécharger cuDNN v5 (27 mai 2016), pour CUDA 8.0" -> "CuDNN v5 Library for Linux"

Installation

Pilote GPU NVIDIA

sudo apt-get purge nvidia*
sudo service lightdm stop
sudo chmod 755 ~/download/NVIDIA-XXXX
cd download
sudo ./NVIDIA-XXXX

Enfin redémarrez avec sudo reboot etc. CUDA

sudo dpkg -i download/cuda-repo-ubuntu1404-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

cuDNN

cd download
tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
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/lib64/libcudnn*

PATH

cd
vim .bashrc
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
export CUDA_HOME=/usr/local/cuda

Réfléchir

. ~/.bashrc

Ou si source .bashrc est décrit dans .bash_profile

source .bash_profile

TensorFlow Vérifiez quoi installer avec ici En supposant que l'environnement est créé par virtualenv test etc. (Je ne l'ai pas utilisé même si je l'ai mis en pyenv)

Installation * Version GPU série 2

(test)pip install --upgrade https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html

Contrôle de fonctionnement

(test)f@f:~$ python
Python 2.7.6 (default, Mar 22 2014, 22:59:56) 
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcurand.so locally
>>> sess=tf.Session()
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_device.cc:951] Found device 0 with properties: 
name: GeForce GTX 960
major: 5 minor: 2 memoryClockRate (GHz) 1.1775
pciBusID 0000:01:00.0
Total memory: 3.94GiB
Free memory: 3.16GiB
I tensorflow/core/common_runtime/gpu/gpu_device.cc:972] DMA: 0 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] 0:   Y 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1041] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 960, pci bus id: 0000:01:00.0)

Référence: Construction de l'environnement Ubuntu14.04 + GPU + TensorFlow

J'ajouterai jupyter et ainsi de suite.

Recommended Posts

Jusqu'à ce que l'environnement Deep Learning (TensorFlow) utilisant le GPU soit préparé pour Ubuntu 14.04
Une scène où le GPU est utile pour le deep learning?
Construction de l'environnement Ubuntu14.04 + GPU + TensorFlow
[Est-ce explosif!?] Configuration pour utiliser la version GPU de Tensorflow sous OSX
La gestion du tensorflow a soudainement cessé de fonctionner en utilisant le GPU dans l'apprentissage en profondeur
Prévision du cours des actions à l'aide du Deep Learning (TensorFlow)
Prévision du cours des actions à l'aide du Deep Learning (TensorFlow) - Partie 2
Remarques sur l'utilisation de TensorFlow sur Bash sur Ubuntu sous Windows
Le problème que le système redémarre sans autorisation tout en apprenant à utiliser GPU avec TensorFlow
Comment installer le framework d'apprentissage en profondeur Tensorflow 1.0 dans l'environnement Windows Anaconda
Techniques pour comprendre la base des décisions d'apprentissage en profondeur
Mémo de construction d'environnement d'apprentissage automatique par Python
Activer le GPU pour tensorflow
Création d'un environnement d'apprentissage automatique à partir de zéro (version windows10 + Anaconda + VSCode + Tensorflow + GPU)
Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance des caractères japonais Chapitre 1 [Construction de l'environnement]
Créer un environnement d'apprentissage automatique à l'aide de Python sur MacOSX
Créez un environnement pour "Deep Learning from scratch" avec Docker
(Maintenant) Construisez un environnement GPU Deep Learning avec GeForce GTX 960
J'ai essayé d'héberger un modèle d'apprentissage en profondeur de TensorFlow à l'aide de TensorFlow Serving
Configurer AWS (Ubuntu 14.04) pour le Deep Learning (installer CUDA, cuDNN)
[Pour les débutants] J'ai essayé d'utiliser l'API Tensorflow Object Detection
estimation personnelle en temps réel (apprentissage en utilisant le GPU localement)
Essayez l'apprentissage en profondeur avec TensorFlow
Deep Learning Gaiden ~ Programmation GPU ~
Apprentissage profond pour la formation composée?
A quoi sert l'interface ...
Résoudre le problème de la libcudart manquante dans Ubuntu 16.04 + CUDA 8.0 + environnement Tensorflow
Construire un environnement Python sur Ubuntu (lorsque pip n'était pas la valeur par défaut)
[Détection d'anomalies] Essayez d'utiliser la dernière méthode d'apprentissage à distance
Utilisation de TensorFlow dans l'environnement de développement intégré Cloud 9 - Principes d'utilisation -
Résumé des pages utiles pour étudier le framework d'apprentissage profond Chainer