Kapernikov

instalação CUDA

necessitará de uma conta NVIDIA para a parte CuDNN. Note que, para fazer o desenvolvimento custom CUDA (nvcc), você terá que rebaixar o GCC para o GCC 6. No entanto, isso não é necessário se você só quer executar keras e tensorflow. Você pode sempre rebaixar o GCC mais tarde.

Se você só quer uma instalação de pip de tensorflow, a partir de novembro de 2018, você precisa do CUDA 9.0. CUDO 10 também é possível se você atualizar os drivers NVIDIA para a versão beta e se você compilar cuda a partir do código ou usar nvidia-docker para executar um CUDA dockerized.

Download CUDA 9 como runfile (.a instalação deb não vai funcionar porque os debs fornecidos para o CUDA 9.0 são adaptados para versões mais antigas do Ubuntu). Faça o Download do Instalador de base e de todos os patches.

depois obtenha CuDNN (necessita de autenticação). Certifique-se que tem a versão que corresponde à sua versão CUDA para X68_64.

Processo de instalação

sudo apt install build-essential cmakesudo bash cuda_9.0.176_384.81_linux.run –overrid

NÃO instalar o driver da NVIDIA (ele irá solicitar que você instale o driver da NVIDIA. Não faça isso).Ignore os outros avisos, mas active a instalação do CUDA e a ligação simbólica.

instale agora os ‘patches’ (4 deles) para o CUDA 9. 0:

agora para instalar o cudnn: desbloqueie o ficheiro tgz:

tar -zxf cudnn-*.tgzsudo cp -a cuda/* /usr/local/cuda/

Agora, certifique-se de que CUDA é visto no LD_LIBRARY_PATH e o CAMINHO:

sudo su – # become rootecho /usr/local/cuda/lib64 > /etc/ld.so.conf.d/cuda.confldconfig

Adicionar /usr/local/cuda/bin no seu path (por exemplo, editar o seu .bashrc) se você deseja fazer desenvolvimento com CUDA (não é necessário se você só precisa tensorflow):

echo "export PATH=$PATH:/usr/local/cuda/bin” > ~/.bashrc

Instalar tensorflow e keras

sudo apt install python3-pipsudo pip3 install tensorflow-gpu keras jupyter matplotlib pandas

Tensorflow pode ser testados da seguinte forma: abra um terminal e digite:

python3import tensorflow as tftf.Session()

Este deve mostrar o seu GPU como dispositivo.