Cómo saber si se llama a la aceleración GPU y CUDA cuando se ejecuta la versión tensorflow gpuEn primer lugar, depende de si la configuración de su computadora es suficiente, el modo GPU de TF solo admite tarjetas N, y luego. Si la potencia informática es superior a 3.0, puede consultarlo: Para obtener el tutorial de instalación, consulte: Instalación de cuda para gtx1080 en Ubuntu 16.04 17 de julio de 2016 Actualmente, tensorflow es un marco informático de aprendizaje profundo muy popular La documentación oficial de convencional. Los métodos de instalación del hardware y del sistema se han dejado muy claros, pero debido a que el sistema es ubuntu16.04 y la tarjeta gráfica es GTX1080, es inevitable pasar un momento difícil. El controlador de 16.04 se instaló en el artículo anterior. El siguiente paso es instalar CUDA y cuDNN. La primera es por qué se deben instalar CUDA y cuDNN. Los resultados de las pruebas comparativas sobre cuánto más rápida es la computación GPU en comparación con la CPU están ahí. El enfoque esta vez es cómo hacer que tensorflow utilice plenamente las capacidades de GTX1080. Específicamente, cómo instalar CUDA y cuDNN que admiten GTX1080 y luego dejar que tensorflow reconozca nuestro CUDA y cuDNN recién instalados. El primero son los pasos generales de instalación: 1 Primero debe registrar una cuenta de desarrollador de NVIDIA, descargar CUDA y cuDNN2 respectivamente para confirmar la versión de gcc que ha preparado, instalar la biblioteca dependiente sudoapt-getinstallfreegl3 instalar CUDA4 desinstalar el código fuente de cuDNN5clonetensorflow, configurar y configurar 6 compila e instala 7 ¡finalmente haz graffiti y prueba! Antes de comenzar oficialmente el trabajo de preparación, debe hacer algunos preparativos, principalmente para leer el documento documento de instalación cudaFAQtensorflow cuda-gpu support list/computing power/FAQcudnn5.1 qué increíble es la página de descarga de cudatookit CUDA_Installation_Guide_Linux.pdfcudnnUserGuide después de leer el documento. Proceso práctico real: 1. Registre una cuenta de desarrollador de NVIDIA, descargue CUDA y cuDNN1.1 respectivamente. Después de descargar CUDA, abra la página de descarga de cudatoolkit GTX1080 usa CUDA8. Luego regrese a la página de descarga de cudatoolkit. Seleccione Linux, x86-64, ubuntu, 16.04, runfile (local) 1.2 para descargar cuDNN e ingrese a la página de descarga de cudnn. Después de mucha investigación, el registro al descargar decía [DescargarcuDNNv5 (27 de mayo de 2016), para CUDA8.0RC]. , haga clic para seleccionar Linux, como se esperaba, esta es la dirección de descarga.
Confirme la versión de GCC, instale las bibliotecas dependientes y confirme la versión de gcc local. El valor predeterminado para 16.04 es gcc5. La instalación más exigente aquí es gcc4.9. Luego, instale, configure gcc4.9.2.1, instale gcc4.9 y modifique. El valor predeterminado del sistema es 4.9sudoapt- getinstallgcc-4.9gcc-4.9g++-4.9g++-4.9gcc--versionsudoupdate-alternatives--install/usr/bin/g++g++/usr/bin/g++-4.910sudoupdate-alternatives--install /usr/bin/cccc /usr/bin/gcc30sudoupdate-alternatives---setcc/usr/bin/gccsudoupdate-alternatives--install/usr/bin/c++c++/usr/ bin/g++30sudoupdate-alternatives- --setc++/usr/ bin/g++gcc--version2.2 Una pequeña dependencia sudoapt-getinstallfreegl3 Instalar CUDA Cabe señalar que existe una opción para instalar un controlador de versión inferior, seleccione n. sigue: 3.1 Instale CUDAchmod+x/cuda_8 0.27_linux.run./cuda_8.0.27_linux.run. ¿Acepta el EULA leído anteriormente? uit:nInstalar el kit de herramientas CUDA8.0?(y)es /(n)o/(q)uit.yIngresar ubicación del kit de herramientas[defaultis/usr/local/cuda-8.yInstalar las muestras CUDA8.0?(y)es/(n)o/(q) uit:yEnterCUDASamplesLocation[defaultis/home/h] :/home/h/Documents/cuda_samples.3. .2 Escriba la variable de entorno vim~/.bashrc# Agregue la siguiente variable exportPATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/ lib64 ${LD_LIBRARY_ PATH:+:${LD_LIBRARY_PATH}}3.3 Verificación simple después de la instalación a. Vaya a la carpeta NVIDIA_CUDA-8.0_Samples/b.cd0_Simple/asyncAPI;sudomakec donde se encuentra el cudasample especificado durante la primera configuración.