Tensorflow基础环境安装
本文介绍如何搭建tensorflow的基础运行环境，包括Cuda、Cudnn与tensorflow gpu版本的安装。
安装Cuda
在nvida官网寻找Cuda rpm安装包：
选择对应版本和系统后下载。
以Cuda 9.0为例，下载后的安装包为：
- cuda-repo-rhel7-9-0-local-9.0.176-1.x86_64.rpm
执行如下命令安装：
1
2
3
| sudo rpm -i cuda-repo-rhel7-9-0-local-9.0.176-1.x86_64.rpm
sudo yum clean all
sudo yum install cuda
|
安装nvida-driver：
1
| sudo yum install -y nvidia-kmod cuda-drivers
|
重新加载nvidia相关模块：
1
2
3
| sudo rmmod nvidia-uvm
sudo rmmod nvidia
sudo nvidia-modprobe -u -c=0
|
检验新的驱动是否生效，运行
应当输出本机GPU信息。
安装Cudnn
在nvidia官网寻找Cudnn安装包：
根据Cuda版本与系统选择对应版本下载。
以Cudnn 7.0为例，下载后的安装包为：
- cudnn-9.0-linux-x64-v7.tgz
解压安装操作如下：
1
2
3
4
| tar zxvf cudnn-9.0-linux-x64-v7.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*
|
设置环境变量：
1
| export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
|
安装Tensorflow
通过pip安装GPU版本的tensorflow。
1
| pip install tensorflow-gpu
|
在python中测试tensorflow是否能够正常加载。
1
2
| import tensorflow as tf
print tf.__version__
|
目前最新版本为1.8.0