为深度学习所用,博主预想在Ubuntu16.04上安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm,参考了众多资料,最终成功将所有软件安装完毕,且能成功运行使用。该篇博客介绍了cuDNN的安装教程,亦可通过下方链接查看其他步骤的安装教程。
前期说明及版本对照
换源及安装显卡驱动
安装 CUDA(附测试)
安装 cuDNN(附测试)
安装 Tensorflow-gpu 与 Keras(附测试)
设置 PyCharm
安装教程完整版
安装 cuDNN
可在cuDNN的官网上下载对应版本的cuDNN安装包,官网网址:cuDNN Archive
1、安装cuDNN
cuDNN的安装方法有两种,需要下载不同的安装包:
(1).tgz 文件安装
该方法仅需下载一个安装包,如图所示
下载完毕后,进入文件所在位置,解压安装包(其中 xxx 为安装包的补充名称)
tar -xzvf cudnn-xxx.tgz
而后将cuDNN拷贝,放入CUDA对应的文件夹中,并赋予其权限
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*
(2).deb 文件安装
该方法需要下载三个安装包,如下图所示
分别对这三个安装包执行以下命令进行安装,文件名请自行修改,要注意,必须按以下顺序进行安装,否则会因依赖问题而报错
sudo dpkg -i libcudnn7_7.6.4.38-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda9.0_amd64.deb
2、测试cuDNN
选择 .deb 文件安装cuDNN,默认在 “Home” 位置,会安装有cuDNN的测试案例
进入 samples 文件中的 mnistCUDNN 文件夹下,鼠标右键打开终端
编译文件
make clean && make
编译后执行
./mnistCUDNN
若最后结果显示 Test passed,则说明测试成功