GPU-Erweiterung für Ubuntu: Unterschied zwischen den Versionen
Aus exmediawiki
C.heck (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „=GPU-Erweiterung on Ubuntu= auf einem System auf dem noch nicht Anaconda etc. vorinstalliert ist. sudo apt-get update sudo apt-get upgrade sudo apt-get…“) |
C.heck (Diskussion | Beiträge) |
||
| (2 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt) | |||
| Zeile 1: | Zeile 1: | ||
| − | + | ||
auf einem System auf dem noch nicht Anaconda etc. vorinstalliert ist. | auf einem System auf dem noch nicht Anaconda etc. vorinstalliert ist. | ||
| Zeile 26: | Zeile 26: | ||
sudo apt-get install python-opencv | sudo apt-get install python-opencv | ||
| + | ---- | ||
CUDA downloaden: | CUDA downloaden: | ||
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu | https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu | ||
| + | |||
| + | ---- | ||
CUDA-Version für 17.04 auswählen (funktioniert auch für Ubuntu 18.04) | CUDA-Version für 17.04 auswählen (funktioniert auch für Ubuntu 18.04) | ||
| Zeile 48: | Zeile 51: | ||
sudo pip3 install tensorflow-gpu | sudo pip3 install tensorflow-gpu | ||
| + | |||
| + | ---- | ||
verify: | verify: | ||
python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))" | python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))" | ||
| + | |||
| + | ---- | ||
output sollte so ähnlich aussehen: | output sollte so ähnlich aussehen: | ||
| + | |||
2018-12-11 17:19:43.988326: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this | 2018-12-11 17:19:43.988326: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this | ||
TensorFlow binary was not compiled to use: AVX2 FMA | TensorFlow binary was not compiled to use: AVX2 FMA | ||
| Zeile 70: | Zeile 78: | ||
id: 0000:01:00.0, compute capability: 5.0) | id: 0000:01:00.0, compute capability: 5.0) | ||
tf.Tensor(-253.9591, shape=(), dtype=float32) | tf.Tensor(-253.9591, shape=(), dtype=float32) | ||
| + | |||
| + | ---- | ||
| + | danach keras und jupyter installieren: | ||
sudo pip3 install keras | sudo pip3 install keras | ||
sudo python3 -m pip install jupyter | sudo python3 -m pip install jupyter | ||
| + | |||
| + | [[Category:HowTo]] | ||
| + | [[Category:KI]] | ||
| + | [[Category: deep learning]] | ||
| + | [[Category:Jupyter Notebook]] | ||
| + | [[Category:Tensorflow]] | ||
| + | [[Category:Keras]] | ||
| + | [[Category:GPU]] | ||
| + | [[Category:Command Line]] | ||
Aktuelle Version vom 29. April 2019, 21:53 Uhr
auf einem System auf dem noch nicht Anaconda etc. vorinstalliert ist.
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python3-pip python3-dev
sudo apt-get install build-essential cmake git
sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install python-numpy python-scipy python-matplotlib
sudo apt-get install libhdf5-serial-dev python-h5py
sudo apt-get install graphviz
sudo pip3 install pydot-ng
sudo apt-get install python-opencv
CUDA downloaden:
CUDA-Version für 17.04 auswählen (funktioniert auch für Ubuntu 18.04)
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
cuda dir: /usr/local/cuda-9.0 cuDNN >= 7.2 https://developer.nvidia.com/cudnn
sudo dpkg -i libcudnn7_7.4.1.5-1+cuda9.0_amd64.deb
sudo pip3 install tensorflow-gpu
verify:
python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
output sollte so ähnlich aussehen:
2018-12-11 17:19:43.988326: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 2018-12-11 17:19:44.075230: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:964] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero 2018-12-11 17:19:44.075916: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties: name: GeForce GTX 960M major: 5 minor: 0 memoryClockRate(GHz): 1.176 pciBusID: 0000:01:00.0 totalMemory: 1.96GiB freeMemory: 1.72GiB 2018-12-11 17:19:44.075953: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0 2018-12-11 17:22:28.528023: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix: 2018-12-11 17:22:28.528065: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 0 2018-12-11 17:22:28.528072: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N 2018-12-11 17:22:28.528250: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1477 MB memory) -> physical GPU (device: 0, name: GeForce GTX 960M, pci bus id: 0000:01:00.0, compute capability: 5.0) tf.Tensor(-253.9591, shape=(), dtype=float32)
danach keras und jupyter installieren:
sudo pip3 install keras
sudo python3 -m pip install jupyter