Ŀ¼
- 检测显卡驱动及型号
$ sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
- 添加ELPepo源
$ sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm
- 安装NVIDIA驱动检测
$ sudo yum install nvidia-detect $ nvidia-detect -v
$ yum -y install kmod-nvidia
2.1 cuda
- 官网下载cuda，最好下载9.0版本：https://developer.nvidia.com/cuda-toolkit-archive
- 选择符合自己机器的设置，选择runfile（local）下载到centos中：
- 需要下载所有补丁，下载后安装cuda:
$ sudo sh cuda_9.0.176_384.81_linux.run
- 测试cuda是否安装
$ cd /usr/local/cuda/samples/1_Utilities/deviceQuery $ sudo make $ ./deviceQuery
结果：
2.2 cudnn
- 下载cudnn文件，需要注册账号。
https://developer.nvidia.com/cudnn - 安装下载好的cuDNN安装包，如果你安装cuda的目录为默认目录，就可以直接使用如下指令安装：
tar -xvf cudnn-9.0-linux-x64-v7.1.tgz -C /usr/local/
- 环境变量
$ vim ~/.bashrc 在其最后添加: export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} export CUDA_HOME=/usr/local/cuda - cuDNN建立连接
$ cd /usr/local/cuda/lib64 $ sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有版本号，版本号在cudnn/lib64中查询 $ sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软连接，注意自己下载的版本号 $ sudo ln -s libcudnn.so.7 libcudnn.so $ sudo ldconfig #立即生效
- 安装anaconda，可以用来建立python3和TensorFlow的一些以来环境。
$ wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh #下载anaconda $ bash anaconda.sh #安装anaconda $ vim /root/.bashrc #加入环境变量 # 最后一行添加： export PATH="/root/anaconda3/bin:$PATH" $ source /root/.bashrc
- 安装TensorFlow
pip install tensorflow-gpu
输入：
$ python >>> import tensorflow
显示：
>>> import tensorflow /root/anaconda3/lib/python3.6/site-packages/h5py/__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`. from ._conv import register_converters as _register_converters >>>
未报错，安装成功。