Ubuntu18.04安裝cuDNN和Tensorflow的正確姿勢

本文章主要講解 ubuntu 系統如何正確安裝 cuDNN 和 Tensorflow。

需要提前準備：

• 一個安裝好的Ubuntu 18.04
• NVIDIA 驅動已經安裝成功
• CUDA已經安裝成功

一、檢查NVIDIA驅動是否安裝成功

打開終端執行：

nvidia-smi

Wed Jul 10 11:49:26 2019       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 430.26       Driver Version: 430.26       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 208...  Off  | 00000000:42:00.0  On |                  N/A |
|  0%   42C    P8    17W / 300W |    309MiB / 11011MiB |      0%      Default |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1520      G   /usr/lib/xorg/Xorg                            18MiB |
|    0      1626      G   /usr/bin/gnome-shell                          79MiB |
|    0      7641      G   /usr/lib/xorg/Xorg                            95MiB |
|    0      7772      G   /usr/bin/gnome-shell                         113MiB |
+----------------------------------------------------------------------------

如果出現上面的結果說明成功。如果沒有安裝請參考這篇文章Linux安裝NVIDIA顯卡驅動的正確姿勢或這篇文章Ubuntu 18.04安裝NVIDIA（英偉達） RTX2080Ti顯卡進行安裝。

二、檢查CUDA是否安裝成功

關于 CUDA 的安裝可以參考
Linux安裝CUDA的正確姿勢這篇文章。

打開終端執行：

nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Apr_24_19:10:27_PDT_2019
Cuda compilation tools, release 10.1, V10.1.168

說明CUDA的命令已經安裝成功。接下來測試案例是否能夠正常運行。

#編譯并測試設備 deviceQuery：
cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery#編譯并測試帶寬 bandwidthTest：
cd ../bandwidthTest
sudo make
./bandwidthTest

如果這兩個測試的最后結果都是Result = PASS，說明 CUDA 安裝成功啦。

三、安裝cuDNN

1. 確定版本

在安裝之前需要參考與Tensorflow的支持關系，可以通過這個網址查看。

因為目前本地安裝的環境如下：

• Ubuntu 18.04
• NVIDIA Driver 430.26
• CUDA 10.1

所以推薦安裝 cuDNN 7.6.0 版本，并配合 Tensorflow 1.13.0/1.14.0 都可以。

2. 下載安裝包

下載地址可以在NVIDIA官網下載。要下載 cuDNN Library for Linux這項。

3. 解壓安裝

打開終端執行：

tar -zxvf cudnn-10.1-linux-x64-v7.6.0.64.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
sudo cp  cuda/include/cudnn.h /usr/local/cuda-10.1/include/# 為所有用戶設置讀取權限
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

4. 安裝libcupti

這是 NVIDIA CUDA 分析工具接口，此庫提供高級分析支持。

打開終端執行：

sudo apt-get install libcupti-dev

四、安裝Tensorflow

1. 確定版本

由于上一步我們選擇安裝了 cnDNN 7.6.0 并且是配合 CUDA 10.1，所以從這個網址我們可以得知，可以安裝最高版本 Tensorflow 1.13.0。

2. 安裝pip

大家可以根據實際情況進行選擇是安裝 pip 還是 pip3，本文以 pip3 為例子。

sudo apt-get install python3-dev python3-pip

此時 pip3 已經安裝成功。

3. 安裝Tensorflow

終端執行：

pip3 install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-linux_x86_64.whl

關于下載的連接可以參考官方網址。

此步驟可能會很慢，如果有代理的可以提前設置好代理。

4. 檢查是否正常運行

以下兩個測試可以直接在終端內復制執行。

測試 1：

python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

測試 2：

python3 -c "from tensorflow.python.client import device_lib; device_lib.list_local_devices()"

如果以上兩條返回的內容中都沒有錯誤，代表Tensorflow安裝成功。

五、錯誤解決

1. so文件找不到的錯誤

錯誤例子如下：

2019-07-10 11:26:57.200271: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Could not dlopen library 'libcublas.so.10.0'; dlerror: libcublas.so.10.0: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: /usr/local/cuda/lib64::/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib64{LD_LIBRARY_PATH:+:/usr/local/cuda-10.1/lib64{LD_LIBRARY_PATH:+:/usr/local/cuda-10.1/lib64}}:/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib

主要錯誤信息為Could not dlopen library 'libcublas.so.10.0'。造成這樣的原因是鏈接文件不對造成的。

這種問題很好解決，下面我羅列一些常發生這樣錯誤的so文件解決辦法，首先大家要確定報錯的so文件名稱是什么，例如上面報錯的是libcublas.so.10.0這個文件，那么就找到對應的libcublas庫文件，然后在/usr/local/cuda-10.1/lib64/目錄下創建一個bcublas.so.10.0連接文件即可。

一般缺失的so文件都在/usr/local/cuda-10.1/lib64/目錄下，有一些特別的在/usr/lib/x86_64-linux-gnu/目錄下。

• libcudart

  sudo ln -s /usr/local/cuda-10.1/lib64/libcudart.so.10.1 /usr/local/cuda-10.1/lib64/libcudart.so.10.0
  

• libcufft

  sudo ln -s /usr/local/cuda-10.1/lib64/libcufft.so.10.1.168 /usr/local/cuda-10.1/lib64/libcufft.so.10.0
  

• libcurand

  sudo ln -s /usr/local/cuda-10.1/lib64/libcurand.so.10.1.168 /usr/local/cuda-10.1/lib64/libcurand.so.10.0
  

• libcusolver

  sudo ln -s /usr/local/cuda-10.1/lib64/libcusolver.so.10.1.168 /usr/local/cuda-10.1/lib64/libcusolver.so.10.0
  

• libcusparse

  sudo ln -s /usr/local/cuda-10.1/lib64/libcusparse.so.10.1.168 /usr/local/cuda-10.1/lib64/libcusparse.so.10.0
  

• libcublas

  sudo ln -s /usr/lib/x86_64-linux-gnu/libcublas.so.10.2.0.168 /usr/local/cuda-10.1/lib64/libcublas.so.10.0
  

  如果 /usr/lib/x86_64-linux-gnu/目錄下沒有libcublas庫，可以在/usr/local/cuda10.1/targets/x86_64-linux/lib/查找libcublas庫。

2. 安裝Tensorflow時報錯

python setup.py egg_info

如果錯誤如下：

    Complete output from command python setup.py egg_info:Traceback (most recent call last):File "<string>", line 1, in <module>ModuleNotFoundError: No module named 'setuptools'----------------------------------------
Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build-szai5bvj/absl-py/

解決辦法為安裝setuptools

pip3 install --upgrade setuptools

然后重新安裝Tensorfow。

3. error: invalid command ‘bdist_wheel’

如果遇到此錯誤：

pip3 install wheel

然后重新安裝Tensorfow。

---

END