一、安装准备
1、查看nvidia显卡,我的是T4显卡
lspci | grep -i nvidia
2、查看linux系统版本
uname -m && cat /etc/redhat-release
3、安装依赖
yum install gcc kernel-devel kernel-headers
二、安装nvidia驱动
1、禁用nouveau
lsmod | grep nouveau
如果有输出,那么就是nouveau在启用,需要关闭,按照以下步骤。centos7中禁用方法:
#打开如下文件sudo vim /usr/lib/modprobe.d/dist-blacklist.conf#写入以下内容blacklist nouveauoptions nouveau modeset=0#保存并退出:wq#重启sudo reboot#最后输入上面的命令验证lsmod | grep nouveau
没有任何输出,说明nouveau禁用了
2、安装驱动
第一步:打开NVIDIA驱动下载链接/Download/Find.aspx
第二步:选择适合自己的驱动,包括产品系列、操作系统、语言等
我这里安装的是11.2的版本
rpm -i nvidia-driver-local-repo-rhel7-460.106.00-1.0-1.x86_64.rpmyum clean allyum install cuda-driversreboot
3、检验驱动是否安装成功
nvidia-smi
三、安装cuda
1、浏览器输入地址:/cuda-toolkit-archive
点击Download Latest CUDA Toolkit,跳转到该页面,根据系统版本进行选择
wget https://developer./compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.runchmod +x cuda_11.2.0_460.27.04_linux.run./cuda_11.2.0_460.27.04_linux.run
要把Diver这一个按Enter取消
2、配置环境变量
vim ~/.bashrc 写入:export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.2/lib64export PATH=$PATH:/usr/local/cuda-11.2/binexport CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.2source vim ~/.bashrc
3、验证cuda生效:
nvcc -V
四、安装cudnn
1、下载地址:/rdp/cudnn-download
2、解压cudnn
tar -xvf cudnn-linux-x86_64-8.7.0.84_cuda11-archive.tar.xzcd cudnn-linux-x86_64-8.7.0.84_cuda11-archivesudo cp include/cudnn*.h /usr/local/cuda-11.2/include/ sudo cp lib/libcudnn* /usr/local/cuda-11.2/lib64/ sudo chmod a+r /usr/local/cuda-11.2/include/cudnn.h sudo chmod a+r /usr/local/cuda-11.2/lib64/libcudnn*
2、检查cudnn的安装
cat /usr/local/cuda-11.2/include/cudnn_version.h | grep CUDNN_MAJOR -a
五、安装anaconda
1、在/archive/下载anaconda安装包。
选择python3.88版本
2、安装anaconda
sh Anaconda3-.05-Linux-x86_64.sh
3、配置环境变量
vim ~/.bashrc # 配置anacondaexport PATH=/root/anaconda3/bin:$PATHsource ~/.bashrc
4、检验conda
conda -V
六、配置pip源
1、在根目录下创建.pip文件夹
mkdir ~/.pip
2、使用vim打开pip.conf配置文件
vim ~/.pip/pip.conf
3、pip源配置文件
[global]index-url = https://pypi.tuna./simple
七、安装tensorflow
1、安装tensorflow
pip install tensorflow==2.5.0
2、输入python进入开发
方法一:
import tensorflow as tfprint("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
方法二:
import tensorflow as tfa = tf.test.is_built_with_cuda() # 判断CUDA是否可以用b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None) # 判断GPU是否可以用print(a)print(b)