Linux下非root用户TensorFlow GPU环境搭建

更新于2020-4-21

安装前的准备工作

TensorFlow与CUDA、cuDNN版本的对应关系

cuda与显卡驱动的对应关系见NVIDIA CUDA Toolkit Release Notes中CUDA Driver项

数据来源：TensorFlow

根据TensorFlow官方回复 目前已知tensorflow-gpu-1.13以上版本是基于CUDA10、cuDNN7构建

顺序

1. 根据上表自己需要的Tensorflow版本下载对应版本的CUDA和cuDNN
2. 安装CUDA(在此之前还需要安装好NVIDIA显卡驱动，本篇不详述)
3. 解压cuDNN(这个只文件是个压缩包),并根据教程操作
4. 测试是否安装成功
5. 安装Anaconda并创建所需环境
6. 安装tensorflow-gpu

下载地址

CUDA

cudnn(需要注册账号)
cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

Anaconda

安装CUDA

1. 增加CUDA文件的执行权限
   chmod +x 你下载的cuda文件
2. 运行cuda文件(在cuda文件所在目录执行)
   ./你下载的cuda文件 *** 2020-04-21更新

详见：参考资料1

这一次我装了cuda10.1版本，安装方式有所改变

cuda_10.1.105_418.39_linux.run是你下载的文件名，根据自己的情况确定

$HOME/cuda10.1是将cuda安装在你的home目录下的cuda10.1文件夹中

1
./cuda_10.1.105_418.39_linux.run --toolkit --toolkitpath=$HOME/cuda10.1 --defaultroot=$HOME/cuda10.1

进入后将安装显卡驱动(driver)选项去掉，按Enter键

最后切换到install安装

1. 按Ctrl+F迅速阅读完安装协议
2. 输入accept同意安装协议
3. 询问是否安装显卡驱动(driver installation)，建议在此之前安装，此处选择不安装（no）
4. 输入cuda安装的位置
   • 如果是root用户，可以直接使用默认选项（请记住这个目录，之后要用）
   • 非root用户，输入个人用户的目录，如/home/yourname/cuda9,
5. cuda samples目录同上

安装cuDNN

1. 解压cuDNN文件得到CUDA文件夹
   tar -xzvf cudnn-9.0-linux-x64-v7.tgz（后面的名称根据自己的版本确定）
2. 将cuDNN拷贝到CUDA文件夹
   (cuda9是上一项第6步时的目录，如装在个人用户的下的话就是/home/yourname/cuda9,使用sudo的话应该是在/usr/local/cuda9.0下面)
   cp cuda/include/cudnn.h cuda9/include/
cp cuda /lib64/libcudnn* cuda9/lib64
3. 为各文件增加可读权限（有的本身就有可读权限，此处建议执行） chmod a+r cuda9/include/cudnn.h cuda9/lib64/libcudnn*

修改环境变量，使系统能够识别新的安装

环境变量文件位于 ~/.bashrc(用vi ~/.bashrc编辑)
将光标移到最后一行，按i进入编辑模式，然后输入

1
2
export PATH=$HOME/cuda9/bin:$PATH
export LD_LIBRARY_PATH=$HOME/cuda9/lib64/:$LD_LIBRARY_PATH

修改之后运行source ~/.bashrc使环境变量生效

测试CUDA和cuDNN

1. 进入安装CUDA时输入的cuda samples目录 cd NVIDIA_CUDA-9.0_Samples 或者 cd cuda/samples/1_Utilities/deviceQuery
2. 输入make编译（如果之前执行过make，请先执行make clean清理） *** 如果此处出现nvcc fatal : Unsupported gpu architecture 'compute_75'错误

在Makefile的275行附近，有一个SMS ?= 30 35 37 50 52 60 61 70 75

删除大于你GPU算力的数，比如我的是GTX 1080Ti，算力是6.1，所以删去70和75

即改成SMS ?= 30 35 37 50 52 60 61

重新make即可

算力查询,进去选择你GPU的系列型号即可看到 ***

1. 进入设备信息查询目录
   cd ~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
2. 运行 ./deviceQuery
   如果出现显卡信息，且最后一行为Result = PASS即为成功
3. [可选的]检查一下系统和CUDA-Capable device的连接情况
   ./bandwidthTest

查看CUDA、cuDNN版本

CUDA：cat cuda所在目录/version.txt
cuDNN：cat cuda所在目录/include/cudnn.h | grep CUDNN_MAJOR -A 2

cuda所在目录：

• 如装在个人用户的下的话就是/home/yourname/cuda9
• 使用sudo的话应该是在/usr/local/cuda9.0

安装Anaconda

1. 增加Anaconda文件的执行权限
   chmod +x 你下载的Anaconda文件
2. 运行Anaconda文件(在Anaconda文件所在目录执行，不建议使用sudo)
   ./你下载的Anaconda文件
3. 按Ctrl+F迅速阅读完安装协议
4. 输入accept同意安装协议
5. 在让你添加PATH前，一路回车默认安装（不要一下就按完了）
6. 当出现让你添加PATH的时候（以下文字） ，输入yes

   1
   2
   Do you wish the installer to prepend the Anaconda3 install location
   to PATH in your /home/hj/.bashrc ? [yes|no]
   

7. 如果上一步按了默认，则手动在.bashrc文件中添加以下内容
   export PATH=$HOME/anaconda3/bin:$PATH（如果安装在其他目录请将$HOME更换成对应目录）
   然后
   source ~/.bashrc
8. 创建新的虚拟环境
   conda create -n 环境名称
9. 启动虚拟环境
   source activate 环境名称
10. 安装tensorflow-gpu
    pip install tensorflow-gpu==1.12(1.12可替换为你的指定版本)

pip install tensorflow==1.12(纯CPU版本)

至此安装完毕

问题解决

1
Loaded runtime CuDNN library: 7500 (compatibility version 7500) but source was compiled with 7004 (compatibility version 7000).  If using a binary install, upgrade your CuDNN library to match.

这个是由于cudnn版本没有下载正确，读一下错误提示，这里提到运行使用的是7500版本，但是源码是基于7000版本进行的编译，因此，直接去官网 下载7.0.5版本的cudnn即可（根据错误提示，选择自己相应的版本）

参考资料

1. NVIDIA Corporation - Failing to install 10.1 via .run file on RHEL7 as non-root

• Previous
  Git Commit规范
• Next
  影视笔记