cudnn

本文记录了安装theano、keras、tensorflow以及运行tutorial程序时遇到的一些问题，供后人参考。 实验机器：联想笔记本，i7-6700HQ，GTX960M，16G内存，SSD硬盘，64位Ubuntu 16.04 LTS 备注： 不推荐windows，会遇到各种不兼容问题。Ubuntu最好使用16.04这个版本，低版本的Ubuntu可能出现显卡驱动不支持等问题。 Ubuntu16.04 装好后，注意将系统默认的显卡驱动改为nvidia的驱动，并更新显卡驱动，我用的是version 367.48。 TensorFlow的gpu版本安装比较麻烦，由于CUDA版本兼容问题，如果使用当前最新的CUDA 8.0，则需要自己重新编译TensorFlow源代码，然后本地安装。 建议先安装Theano和Keras，流程相对容易，早点跑出“hello world”，增强信心。 安装Theano作为后端的Keras： 详细流程可参见 http://keras-cn.readthedocs.io/en/latest/getting_started/keras_linux/ 流程中安装CUDA和cuDNN时，应选择CUDA 8.0和cuDNN 5.0，安装完毕后，一定要记得重启电脑！否则运行tutorial代码会提示no CUDA-capable device is detected

目录 CUDA安装与配置 cuDNN CMake编译 运行测试 总结 本文转载： OpenCV学堂 CUDA安装与配置 根据自己的GPU 选择合适的版本，我的是RTX2080Ti，选择CUDA10.0版本，按照默认地址安装就好，安装完之后看是否有环境变量。没有的话自己加上。 以及， cuDNN cuDNN一定要7.5版本以上，否则CMake将无法识别出cuDNN路径。 打开下载好的cuDNN，如下图 将cuDNN中bin、include、lib文件夹中的文件放入对应CUDA路径下的文件夹中 CMake编译 打开CMake，选择源码路径，以及生成路径，选择对应VS版本。开始第一次Configue。 其中会下载一些第三方文件，可以自行下载，否则速度较慢。第一次configure完成之后，勾选BUILD_opencv_world. 以及，勾选OPENCV_DNN_CUDA，选择解压好的opencv_contrib中modules路径添加进来。 勾选WITH_CUDA。 进行第二次Configure，Configure完成之后可能会报错，此时不管他，根据GPU算力表选择合适的CUDA_ARCH_BIN值，如我的是RTX2080Ti，则将CUDA_ARCH_BIN其余值删除，只留下7.5。然后勾选CUDA_FAST_MATH，点击Configure。 等待Configure完成之后

前言：很多小伙伴在选择CUDA版本和cudnn版本上有疑问，这里简短的说一下，希望能帮到各位小伙伴，我在网上看到有人说，要根据自己的显卡来选择CUDA，其实是错误的，你可以下载自己所需要的CUDA版本,这只是个驱动而已。CUDA的版本和cundd的版本要对应，不然可能会有不兼容报错。CUDA是显卡驱动程序，cundd是用来加速深度学习训练的库，在训练网络时，使用GPU加速，会调CUDA驱动和cudnn库，安装时两者要联系起来，本文的第二步，就是做这个事。 系统环境：windows10 64位 显卡：GTX1060 CUDA版本:cuda_9.0.176_win10（配套的cudnn一定要是7版本） 下载地址： https://developer.nvidia.com/cuda-90-download-archive CUDNN版本:cudnn-9.0-windows10-x64-v7（7版本的） 下载地址： https://developer.nvidia.com/cudnn TensorFlow-gpu版本：TensorFlow1.7（1.6和1.5也支持） 1.下载CUDA, https://developer.nvidia.com/cuda-90-download-archive 按照自己机器的信息选择，下图是我自己机器信息： 下载完之后直接点击运行，会自行安装

1 、什么是CUDA CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 2 、什么是CUDNN NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的 插入式设计 可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。 3、CUDA与CUDNN的关系 CUDA看作是一个工作台 ，上面配有很多工具，如锤子、螺丝刀等。 cuDNN是基于CUDA的深度学习GPU加速库 ，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。 cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意， 它跟我们的CUDA没有一一对应的关系

本文为作者原创，转载请注明出处（http://www.cnblogs.com/mar-q/）by 负赑屃 写在前面： 　　请参考之前的文章安装好CentOS、NVIDIA相关驱动及软件、docker及加速镜像。 　　主机运行环境 $ uname -a Linux CentOS 3.10.0-514.26.2.el7.x86_64 #1 SMP Tue Jul 4 15:04:05 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux $ cat /usr/local/cuda/version.txt CUDA Version 8.0.61 $ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #define CUDNN_MAJOR 6 #define CUDNN_MINOR 0 #define CUDNN_PATCHLEVEL 21 #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include "driver_types.h" # NVIDIA 1080ti 一、关于GPU的挂载 1. 在docker运行时指定device挂载 　　先查看一下有哪些相关设备 $ ls