Как установить CUDA, cuDNN и TensorFlow в Linux: Пошаговое руководство

Введение

CUDA (Compute Unified Device Architecture) — это параллельная вычислительная платформа для графических процессоров NVIDIA, которая предлагает значительное ускорение для приложений, требующих интенсивных вычислений. cuDNN (CUDA Deep Neural Network library) — это библиотека для глубокого обучения, специально оптимизированная для использования с CUDA. TensorFlow — это библиотека машинного обучения, которая широко используется для различных задач, включая создание и обучение моделей глубокого обучения.

В этой статье мы рассмотрим пошаговый процесс установки CUDA, cuDNN и TensorFlow на компьютере с Linux.

Требования

Система Linux с графическим процессором NVIDIA, совместимым с CUDA
Счет в NVIDIA Developer
Стабильное интернет-соединение

Шаг 1: Установка драйверов NVIDIA

Начните с посещения сайта NVIDIA и загрузите драйвер NVIDIA для вашей конкретной версии системы Linux и графического процессора. После загрузки запустите установщик драйвера и следуйте инструкциям на экране.

Шаг 2: Установка CUDA

После установки драйверов NVIDIA посетите сайт NVIDIA CUDA и зарегистрируйтесь для получения учетной записи разработчика. После регистрации войдите в свою учетную запись и перейдите на страницу загрузки CUDA®. Загрузите подходящий установщик для вашей системы Linux.

Запустите установщик и следуйте инструкциям на экране. Вам будет предложено согласиться с условиями лицензионного соглашения. Примите условия и нажмите Принять.

Шаг 3: Установка cuDNN

После установки CUDA посетите сайт NVIDIA cuDNN и войдите в систему со своей учетной записью разработчика NVIDIA. Перейдите на страницу загрузки и загрузите подходящий пакет cuDNN для вашей системы Linux.

Распакуйте загруженный файл в нужный каталог. Обычно это каталог /usr/local/cuda:

tar -xvzf cudnn-11.7-linux-x64-v8.3.1.30.tgz -C /usr/local/cuda

Добавьте каталоги include и lib в соответствующие системные пути:

echo 'export CUDA_HOME=/usr/local/cuda' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
echo 'export CPATH=$CUDA_HOME/include' >> ~/.bashrc
source ~/.bashrc

Шаг 4: Установка TensorFlow

Теперь мы можем приступить к установке TensorFlow. Откройте терминал и введите следующую команду:

pip install tensorflow[gpu]

Это установит TensorFlow вместе с его поддержкой графического процессора. Дополнительные пакеты, необходимые для поддержки графического процессора, будут установлены автоматически.

Проверка установки

Чтобы проверить, правильно ли установлены CUDA, cuDNN и TensorFlow, откройте интерактивную оболочку Python и выполните следующий код:

import tensorflow as tf

# Проверьте наличие устройства GPU
devices = tf.config.list_physical_devices('GPU')
print(devices)

# Создайте модель и обучите ее на GPU
model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(units=10, activation='relu', input_shape=(784,)),
  tf.keras.layers.Dense(units=10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
model.fit(x_train, y_train, epochs=5)

Если код выполняется без ошибок, значит CUDA, cuDNN и TensorFlow успешно установлены и готовы к использованию.

Заключение

Установка CUDA, cuDNN и TensorFlow в Linux может немного усложниться, но следуя этим пошаговым инструкциям, вы сможете без проблем завершить процесс. Правильно настроив эти инструменты, вы сможете воспользоваться преимуществами параллельных вычислений с ускорением на графическом процессоре для своих приложений машинного обучения и глубокого обучения.