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

• Réglage PATH Modification de .bash_profile

cd
vim .bash_profile

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init -)"

source .bash_profile

• version installable

pyenv install --list

virtualenv

• pyenv-vertualenv

git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.pyenv/plugins/pyenv-virtualenv

• virtualenv

sudo apt-get install python-vietualenv

Autres packages requis

• pip,dev

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"

• Je pense que ça ne doit pas être ça.

Installation

• Remplacez les dossiers et fichiers par votre propre environnement, le cas échéant.

Pilote GPU NVIDIA

• Passer à l'écran GUI avec "ctrl" + "alt" + "F1" --Divers paramètres et exécution

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

• Remarque: Si le nom du dossier est en japonais, par exemple «téléchargement» ou «bureau», nous vous recommandons de le changer en anglais, par exemple «téléchargements» ou «bureau». Le japonais tel que cd download ne peut pas être utilisé sur l'écran GUI. (Il peut y avoir un moyen, mais j'ai rapidement renommé le dossier.)

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.