Проверка установки Cuda-8.0
Недавно я установил драйвер Nvidia-375.39, Cuda-8.0 и amp; CUDNN-5.1 с большой головной болью и трудностями. После этого я установил Tensorflow, так как это то, что я хотел сделать с самого начала. Я получил помощь от таких источников, как: http://queirozf.com/entries/installing-cuda-tk-and-tensorflow-on-a-clean-ubuntu-16-04-install https://pythonprogramming.net/how- to-cuda-gpu-tensorflow-deep-learning-tutorial /
Я установил shadoworflow с virtualenv на ubuntu 16.04, запустив Nvidia Geforce 940MX. Хотя я не смог запустить Cuda (который пришел с самим cuda_8.0.61_375.26_linux.run файлом), давая мне несколько ошибок, таких как:
nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).
/usr/bin/ld: cannot find -lglut
collect2: error: ld returned 1 exit status
Makefile:267: recipe for target 'simpleGL' failed
make[1]: *** [simpleGL] Error 1
make[1]: Leaving directory '/home/jayant/NVIDIA_CUDA-8.0_Samples/2_Graphics/simpleGL'
Makefile:52: recipe for target '2_Graphics/simpleGL/Makefile.ph_build' failed
make: *** [2_Graphics/simpleGL/Makefile.ph_build] Error 2
все еще я установил тензорный поток, и теперь я сомневаюсь, что он использует Куда или нет. Мое сомнение возникает, когда я пытаюсь импортировать shadoworflow, например:
>>>import tensorflow as tf
>>>hello = tf.constant('Hello, TensorFlow!')
>>>sess = tf.Session()
>>>print(sess.run(hello))
Я не получаю эти сообщения (как упоминалось во многих блогах):
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally
скорее, я получаю это:
2017-05-01 00:08:12.079557: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2017-05-01 00:08:12.079584: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2017-05-01 00:08:12.079588: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2017-05-01 00:08:12.079591: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
2017-05-01 00:08:12.079595: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
2017-05-01 00:08:12.322193: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:901] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2017-05-01 00:08:12.322566: I tensorflow/core/common_runtime/gpu/gpu_device.cc:887] Found device 0 with properties:
name: GeForce 940MX
major: 5 minor: 0 memoryClockRate (GHz) 1.189
pciBusID 0000:01:00.0
Total memory: 3.95GiB
Free memory: 3.93GiB
2017-05-01 00:08:12.322580: I tensorflow/core/common_runtime/gpu/gpu_device.cc:908] DMA: 0
2017-05-01 00:08:12.322584: I tensorflow/core/common_runtime/gpu/gpu_device.cc:918] 0: Y
2017-05-01 00:08:12.322593: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce 940MX, pci bus id: 0000:01:00.0)
Hello, TensorFlow!
Может кто-нибудь скажет мне, был ли мой virtualenv установлен правильно, а функция shadoworflow работает правильно с cuda_8.0.61_375.26_linux.run ? Или какие изменения мне необходимо внести для того, чтобы подавить эти предупреждения, успешно запустить образцы cuda и получить эти сообщения с тензорными потоками относительно открытых библиотек cuda? PS: пожалуйста, дайте мне знать, нужна ли какая-либо другая информация.
2 ответа
Сначала убедитесь, что вы используете оборудование и драйвер Nvidia. Проверьте настройки UEFI (ранее известные как BIOS) для любого выбора видеооборудования. Вероятно, выберите «дискретный» над любым гибридом или оптимизируйте, пока не получите работу. Затем используйте поставляемые Ubuntu драйверы Nvidia на вкладке «Обновление программного обеспечения» / «Настройки» / «Дополнительные драйверы». Выберите «проверенный» драйвер Nvidia (возможно, последний). Помните о некоторых проблемах с драйверами после 367 и до 381, вызывая некоторые экранные артефакты после сна. Когда выбран драйвер Nvidia, используемый драйвер, выйдите из системы или перезагрузитесь и убедитесь, что драйвер Nvidia отображается на выходе lshw -C или просто запустите настройки Nvidia из Dash, чтобы проверить. Затем приступайте к установке CUDA.
Некоторые образцы CUDA нуждаются в дополнительных библиотеках. Тот, который вы выбрали, требует libglut, поэтому установите пакет freeglut3. Определенно, чтобы образцы работали, прежде чем пытаться что-то более сложное. Многие из примеров позволяют аргументу «-cpu» показать, какое замедление вы получаете при использовании CPU вместо графического процессора. Возможно, у тензорного потока есть что-то подобное.
Вы проверили, что библиотеки, упомянутые в других блогах, существуют в вашей системе? Если нет, их, возможно, придется устанавливать отдельно, но опять же, может быть, тензорный поток не нуждается в них для каждой функции, которую он может выполнить.
Сначала убедитесь, что вы используете оборудование и драйвер Nvidia. Проверьте настройки UEFI (ранее известные как BIOS) для любого выбора видеооборудования. Вероятно, выберите «дискретный» над любым гибридом или оптимизируйте, пока не получите работу. Затем используйте поставляемые Ubuntu драйверы Nvidia на вкладке «Обновление программного обеспечения» / «Настройки» / «Дополнительные драйверы». Выберите «проверенный» драйвер Nvidia (возможно, последний). Помните о некоторых проблемах с драйверами после 367 и до 381, вызывая некоторые экранные артефакты после сна. Когда выбран драйвер Nvidia, используемый драйвер, выйдите из системы или перезагрузитесь и убедитесь, что драйвер Nvidia отображается на выходе lshw -C или просто запустите настройки Nvidia из Dash, чтобы проверить. Затем приступайте к установке CUDA.
Некоторые образцы CUDA нуждаются в дополнительных библиотеках. Тот, который вы выбрали, требует libglut, поэтому установите пакет freeglut3. Определенно, чтобы образцы работали, прежде чем пытаться что-то более сложное. Многие из примеров позволяют аргументу «-cpu» показать, какое замедление вы получаете при использовании CPU вместо графического процессора. Возможно, у тензорного потока есть что-то подобное.
Вы проверили, что библиотеки, упомянутые в других блогах, существуют в вашей системе? Если нет, их, возможно, придется устанавливать отдельно, но опять же, может быть, тензорный поток не нуждается в них для каждой функции, которую он может выполнить.
-
1Я думаю, что нашел проблему ... Nvidia не работает ... когда я делаю lspci -vnn | grep -i VGA -A 12, он показывает: Kernel driver in use: i915 , и эта команда glxinfo | grep OpenGL | grep renderer дает мне это: OpenGL renderer string: Mesa DRI Intel(R) Kabylake GT2 . ясно, что Nvidia неактивна. Вы знаете, как я могу сделать это своим драйвером ядра, а не моим графическим адаптером Intel Graphics? – jAYANT YADAV 1 May 2017 в 12:05