read
서버 업그레이드 후, 개발 환경 설정을 위하여 텐서플로우를 설치하려고 봤더니, 이전과는 버젼이 많이 달라져서 새로 개발 환경 설정 방법에 대해 정리해보고자 한다.
우분투는 18.04부터 Unity 환경에서 Gnome환경으로 돌아왔다. 개인적으로는 Gnome을 선호하고, Unity의 잦은 버그로 겪었던지라 이번 업데이트 버젼을 설치하였다.
Version info
- Ubuntu 18.04 LTS
- CUDA 9.0
- CUDNN 7.0
- Tensorflow 1.8 (recent version)
- python 3.6
To send a file from local to remote server, scp is useful command.
scp -P PORT_NUMBER FILE_NAME USER@REMOTE_IP:DIR
Install process
- NVIDIA driver install
- CUDA install
- Environment setting
- CUDnn install
- Anaconda install
- Tensorflow Install
NVIDIA driver install
sudo ubuntu-drivers list
sudo apt-get remove nvidia-*
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390
sudo reboot
드라이버가 정상적으로 설치되어 있는지는 해당 명령어로 확인 가능하다
nvidia-smi
정상적으로 설치된 경우, 그래픽 카드의 정보가 나타난다.
CUDA Download
wget -c https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb
sudo apt update
sudo apt install cuda
Environment setting and test
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
cd $LD_LIBRARY_PATH
cd ../bin/
bash cuda-install-samples-8.0.sh ~
cd ~/NVIDIA_CUDA-8.0_Samples/5_Simulations/nbody
make
./nbody
CUDNN Download
CuDNN을 설치하기 위해서는 Nvidia developer에 회원가입 및 동의 후 설치 가능하다.
CUDA 7.0을 위한 CuDNN 9.0 리눅스을 설치하면 된다.
cuDNN v7.0.5 Library for Linux
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
Install library
sudo apt-get install libcupti-dev
Anaconda
Install
wget -chttps://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
bash Anaconda3-5.0.1-Linux-x86_64.sh
Anaconda setting
conda create -n tf python=3.6
source activate tf
pip install tensorflow-gpu
Tensorflow test
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
import tensorflow as tf
# Creates a graph.
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print sess.run(c)
Image