CUDA & cuDNN环境配置
环境
- python3.5
- tensorflow 1.3
- VUDA 8.0
- cuDNN V6.0
1、确保GPU驱动已经安装
- lspci | grep -i nvidia 通过此命令可以查看GPU信息
- nvidia-smi 可以查看英伟达显卡信息
确保gcc安装
- gcc -v
3、确保安装ssh
- yum install openssh-server
4、确保安装kernel
- sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)
CUDA 环境配置
安装
- 注意：这个地方使用的是8.0，9.x 有坑
- 下载https://developer.nvidia.com/cuda-downloads
- $ sudo rpm -i cuda_installer_downloaded_file.rpm
- $ sudo yum clean all
- $ sudo yum install cuda
5.2 配置
- 添加下面配置到/etc/profile 或/etc/bashrc
- $ export PATH=/usr/local/cuda-8.0/bin:$PATH
- $ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
5.3 验证
- nvcc -V
- sample 中含有一个device的检测文件，make 然后执行就可以检测（如果安装正常）
5.4 cuDNN配置
- 注意：这个地方使用的是Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0，其它的for CUDA 8.0 有坑
- tar -zxvf cudnn-6.5-linux-x64-v2.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/include/cudnn.h /usr/local/cuda/lib64/libcudnn*