Krok 1: Zarejestruj konto programisty NVIDIA i pobierz Cudnn tutaj (około 80 MB)
Krok 2: Sprawdź, gdzie znajduje się instalacja cuda. W przypadku instalacji z repozytorium jest to /usr/lib/...i /usr/include. W przeciwnym razie będzie to /usr/local/cuda/lub /usr/local/cuda-<version>. Możesz to sprawdzić za pomocą which nvcclubldconfig -p | grep cuda
Dodanie -Pzachowuje dowiązania symboliczne, tzn. sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/I pozwala uniknąć wiadomości:/sbin/ldconfig.real: /usr/lib/x86_64-linux-gnu/libcudnn.so.5 is not a symbolic link
Max Gordon,
1
Zaktualizuj stąd : „Pobierz cuDNN v4 (v5 jest obecnie kandydatem do wydania i jest obsługiwany tylko podczas instalowania TensorFlow ze źródeł)”.
nobar
36
Aby Tensorflow znalazł wszystko, musiałem skopiować include/cudnn.hi biblioteki lib64/do /usr/local/cuda-8.0/includei /usr/local/cuda-8.0/lib64(używając CUDA 8.0, Ubuntu 14.04, Tensorflow 0.12.0rc0) - być może jest to pomocne dla kogoś.
David Stutz,
@ MaxGordon Cześć, czy to ma znaczenie, jeśli używam biblioteki wykonawczej dla Ubuntu16.04 power8 lub biblioteki dla Linuksa?
próbujetolearn
1
Kolejna wskazówka - upewnij się, że instalujesz cuda przed zainstalowaniem cudnn. W przeciwnym razie instalatorzy cuda nie zastąpią żadnych utworzonych katalogów / usr / local / cuda.
kevins
38
Od wersji 5.1 nie można instalować zgodnie z tym, o czym wspomniał @Martin. Pobierz libcudnn6_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-doc_6.0.21-1+cuda8.0_amd64.debze strony nvidia i zainstaluj jeden po drugim w następujący sposób.
sudo dpkg -i <library_name>.deb
Edycja : Musisz najpierw zainstalować środowisko uruchomieniowe (libcudnn6_6.0.21-1 + cuda8.0_amd64.deb), ponieważ dev zależy od środowiska uruchomieniowego (Dzięki @tinmarino)
Dzięki. Wielokrotnie wpadłem na ten problem. Po prostu ustalmy regułę kciuka. Kiedy coś nie działa, trzymaj się instalacji przy użyciu pakietów .deb.
Anuraag Vaidya
8
Podczas kompilacji Tensorflow ze źródła dobrze jest wiedzieć, że ścieżka instalacji biblioteki cuDNN to/usr/lib/x86_64-linux-gnu/
Visionscaper
1
Musisz najpierw zainstalować runtimedecyzję devzależy od tego
tinmarino
12
Zarejestruj się na stronie NVidii. Zatwierdzenie konta może potrwać dzień lub dwa. Przynajmniej tak było podczas mojej rejestracji.
Pobierz i zainstaluj najnowszą wersję CUDA firmy NVidia lub najnowszą wersję, która pasuje do oprogramowania, z którym będziesz współpracować, jeśli w ogóle, w tym przypadku do twojej wersji T-Flow.
Pamiętaj, że instalacja za pomocą standardowego menedżera pakietów ubuntu poprzez kliknięcie prawdopodobnie nie będzie działać poprawnie.
Zamiast tego prawdopodobnie będziesz musiał wykonać te instrukcje w terminalu, aby zainstalować .debpakiet. Potem trzeba będzie dodać kilka wierszy do .bashrclub gdziekolwiek odpowiednie w danym przypadku. Na przykład, jeśli konfigurujesz serwer, prawdopodobnie będzie to inne miejsce, być może gdzieś przed automatycznym uruchomieniem aplikacji, ponieważ .bashrcprawdopodobnie nie zostanie wykonane w tym przypadku.
Użyłem wersji „Library for Linux”, nie miałem dużo szczęścia z .debpakietami.
Możesz dowiedzieć się, gdzie znajduje się CUDA
which nvcc. Zwykle /usr/local/cuda/będzie to symboliczny link do aktualnie zainstalowanej wersji.
Otwórz archiwum CuDNN i skopiuj odpowiednią zawartość do odpowiednich miejsc w folderze instalacyjnym CUDA ( cuda/lib64/i cuda/include/). Zwykle sudo nautilusrobię to stamtąd wizualnie.
Przewiń do przodu 2018, a NVIDIA zapewnia teraz cuDNN 7.x do pobrania. Kroki instalacji są nadal podobne do opisanych przez @GPrathap. Ale jeśli chcesz zastąpić starą wersję cuDNN nowszą, musisz ją najpierw usunąć przed instalacją.
Przypomnę:
Krok 0. Sprawdź, czy masz już zainstalowany zestaw narzędzi CUDA. Kontynuuj instalację pakietu narzędzi CUDA, jeśli jeszcze tego nie zrobiłeś.
Dzięki @Mike, czy wiesz, jaka jest różnica między używaniem plików deb a zwykłym plikiem .tar? który jest zalecany i dlaczego? (Nawiasem mówiąc, ja sam instalowałem CUDA przy użyciu pliku uruchomieniowego, a także używam pakietu .tar dla cuDNN w Ubuntu)
Rika
Zgodnie z odpowiednimi dokumentami instalacyjnymi firmy Nvidia to, co mówisz o konieczności usunięcia starych wersji, jest nieprawidłowe:cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.
n1k31t4 30.04.2018
3
Możesz także pobrać pakiety deb dla dystrybucji opartych na Debianie.
Ze strony internetowej NVIDIA dla profilu programisty dostępne są następujące pliki:
Biblioteka uruchomieniowa cuDNN v5.1 dla systemu Linux (Deb)
cuDNN v5.1 Developer Library for Linux (Deb)
cuDNN v5.1 Przykłady próbek i instrukcja obsługi Linux (Deb)
Przetestowałem to na mojej maszynie z Debianem (Stretch) i TensorFlow działa!
Dodając ważny szczegół do wciąż aktualnych odpowiedzi @Martin Thoma i @ Íhor Mé: Po skopiowaniu plików libcudnn do katalogów cuda, musisz zaktualizować plik .bashrc:
Następnie należy dodać katalog dołączania do każdego pliku konfiguracyjnego, który go używa. Caffe np. Ma plik konfiguracyjny, który musisz edytować przed kompilacją z make. W tym celu edytuj plik caffe / Makefile.config, aby dodać ścieżki do tych zmiennych konfiguracyjnych (dodaj spacje między ścieżkami):
odpowiedź jest poprawna, ale w przypadku cuDNN 5.1 niektóre nazwy zostały zmienione. Jeśli więc użyjesz tej wersji po rozpakowaniu pliku cuDNN, znajdziesz dwa foldery: lib i include. zmień nazwę pliku * .h w folderze dołączania na cudnn.h, a następnie postępuj zgodnie z https://askubuntu.com/a/767270/641589 . ta zmiana jest potrzebna, jeśli chcesz używać cuDNN dla Caffe!
Zmodyfikuj swoją odpowiedź i dodaj odniesienie, „instrukcję powyżej”.
sudodus
0
W 16.04, jeśli instalujesz CUDA bezpośrednio ze strony Nvidii i budujesz Tensorflow ze źródła, możesz określić katalog, który chcesz wskazać jako Cudnn. Domyślnie jest to:
/usr/include/x86_64-linux-gnu
Podczas budowania Tensorflow zapyta cię, z której wersji chcesz wskazać, że używasz Cudnn. Następnie zapyta, gdzie się znajduje. Wystarczy wskazać katalog powyżej, a będzie on działał dobrze. W tym momencie powinien utworzyć plik koła i można go zainstalować za pomocą pip.
Odpowiedzi:
Krok 0: Zainstaluj Cuda ze standardowych repozytoriów. (Zobacz Jak mogę zainstalować CUDA na Ubuntu 16.04? )
Krok 1: Zarejestruj konto programisty NVIDIA i pobierz Cudnn tutaj (około 80 MB)
Krok 2: Sprawdź, gdzie znajduje się instalacja cuda. W przypadku instalacji z repozytorium jest to
/usr/lib/...
i/usr/include
. W przeciwnym razie będzie to/usr/local/cuda/
lub/usr/local/cuda-<version>
. Możesz to sprawdzić za pomocąwhich nvcc
lubldconfig -p | grep cuda
Krok 3: Skopiuj pliki:
Instalacja repozytorium:
Instalacja pliku runfile:
źródło
-P
zachowuje dowiązania symboliczne, tzn.sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
I pozwala uniknąć wiadomości:/sbin/ldconfig.real: /usr/lib/x86_64-linux-gnu/libcudnn.so.5 is not a symbolic link
include/cudnn.h
i bibliotekilib64/
do/usr/local/cuda-8.0/include
i/usr/local/cuda-8.0/lib64
(używając CUDA 8.0, Ubuntu 14.04, Tensorflow 0.12.0rc0) - być może jest to pomocne dla kogoś.Od wersji 5.1 nie można instalować zgodnie z tym, o czym wspomniał @Martin. Pobierz
libcudnn6_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb
ze strony nvidia i zainstaluj jeden po drugim w następujący sposób.Edycja : Musisz najpierw zainstalować środowisko uruchomieniowe (libcudnn6_6.0.21-1 + cuda8.0_amd64.deb), ponieważ dev zależy od środowiska uruchomieniowego (Dzięki @tinmarino)
źródło
/usr/lib/x86_64-linux-gnu/
runtime
decyzjędev
zależy od tegoPobierz i zainstaluj najnowszą wersję CUDA firmy NVidia lub najnowszą wersję, która pasuje do oprogramowania, z którym będziesz współpracować, jeśli w ogóle, w tym przypadku do twojej wersji T-Flow.
Pamiętaj, że instalacja za pomocą standardowego menedżera pakietów ubuntu poprzez kliknięcie prawdopodobnie nie będzie działać poprawnie.
Zamiast tego prawdopodobnie będziesz musiał wykonać te instrukcje w terminalu, aby zainstalować
.deb
pakiet. Potem trzeba będzie dodać kilka wierszy do.bashrc
lub gdziekolwiek odpowiednie w danym przypadku. Na przykład, jeśli konfigurujesz serwer, prawdopodobnie będzie to inne miejsce, być może gdzieś przed automatycznym uruchomieniem aplikacji, ponieważ.bashrc
prawdopodobnie nie zostanie wykonane w tym przypadku.Pobierz CuDNN z NVidia
Użyłem wersji „Library for Linux”, nie miałem dużo szczęścia z
.deb
pakietami.Możesz dowiedzieć się, gdzie znajduje się CUDA
which nvcc
. Zwykle/usr/local/cuda/
będzie to symboliczny link do aktualnie zainstalowanej wersji.cuda/lib64/
icuda/include/
). Zwyklesudo nautilus
robię to stamtąd wizualnie.źródło
Przewiń do przodu 2018, a NVIDIA zapewnia teraz cuDNN 7.x do pobrania. Kroki instalacji są nadal podobne do opisanych przez @GPrathap. Ale jeśli chcesz zastąpić starą wersję cuDNN nowszą, musisz ją najpierw usunąć przed instalacją.
Przypomnę:
Krok 0. Sprawdź, czy masz już zainstalowany zestaw narzędzi CUDA. Kontynuuj instalację pakietu narzędzi CUDA, jeśli jeszcze tego nie zrobiłeś.
Krok 1. Przejdź do portalu dla deweloperów NVIDIA https://developer.nvidia.com/cudnn i pobierz cuDNN.
Krok 2. Jeśli wcześniej zainstalowałeś cuDNN, usuń go
Krok 3. Zainstaluj bibliotekę cuDNN (środowisko uruchomieniowe, dev, doc) za pomocą dpkg
Krok 4. Jeśli chcesz znaleźć lokalizację biblioteki, możesz zaktualizować indeks lokalizacji, a następnie znaleźć lokalizację biblioteki.
Jeśli instalujesz cuDNN 7.x przeciwko CUDA Toolkit 9.1, ten artykuł zawiera więcej szczegółów, które mogą być pomocne: http://tech.amikelive.com/node-679/quick-tip-installing-cuda-deep- neural-network-7-cudnn-7-x-library-for-cuda-toolkit-9-1-on-ubuntu-16-04 /
źródło
cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.
Możesz także pobrać pakiety deb dla dystrybucji opartych na Debianie.
Ze strony internetowej NVIDIA dla profilu programisty dostępne są następujące pliki:
Przetestowałem to na mojej maszynie z Debianem (Stretch) i TensorFlow działa!
źródło
Dodając ważny szczegół do wciąż aktualnych odpowiedzi @Martin Thoma i @ Íhor Mé: Po skopiowaniu plików libcudnn do katalogów cuda, musisz zaktualizować plik .bashrc:
Następnie należy dodać katalog dołączania do każdego pliku konfiguracyjnego, który go używa. Caffe np. Ma plik konfiguracyjny, który musisz edytować przed kompilacją z make. W tym celu edytuj plik caffe / Makefile.config, aby dodać ścieżki do tych zmiennych konfiguracyjnych (dodaj spacje między ścieżkami):
Dla każdego bieżącego okna terminala, w którym zmiany mają obowiązywać, nie zapomnij raz uruchomić pliku!
źródło
odpowiedź jest poprawna, ale w przypadku cuDNN 5.1 niektóre nazwy zostały zmienione. Jeśli więc użyjesz tej wersji po rozpakowaniu pliku cuDNN, znajdziesz dwa foldery: lib i include. zmień nazwę pliku * .h w folderze dołączania na cudnn.h, a następnie postępuj zgodnie z https://askubuntu.com/a/767270/641589 . ta zmiana jest potrzebna, jeśli chcesz używać cuDNN dla Caffe!
źródło
W 16.04, jeśli instalujesz CUDA bezpośrednio ze strony Nvidii i budujesz Tensorflow ze źródła, możesz określić katalog, który chcesz wskazać jako Cudnn. Domyślnie jest to:
Podczas budowania Tensorflow zapyta cię, z której wersji chcesz wskazać, że używasz Cudnn. Następnie zapyta, gdzie się znajduje. Wystarczy wskazać katalog powyżej, a będzie on działał dobrze. W tym momencie powinien utworzyć plik koła i można go zainstalować za pomocą pip.
źródło