Если вы хотите активный сеанс после сценария, не запускайте его, отправьте его:
$ source ./run.sh
Saving session...
...copying shared history...
...saving history...truncating history files...
...completed.
$
Вы также можете запустить новый сеанс bash / sh в своем скрипте и добавить переменные окружения там. Но это усложняет ситуацию ...
Я только что установил графический процессор Tensorflow на Ubuntu 18.04. Для этого есть много инструкций, но я думаю, что самый быстрый и простой способ обычно не используется, и я хочу поделиться им:
DRIVER NVIDIA:
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
CUDA: [ ! d2]
Обычно: «sudo apt install nvidia-cuda-toolkit» Однако это устанавливает версию 9.1, слишком новую на данный момент, и shadoworflow не запускается. Вместо этого загрузите CUDA 9.0: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal Затем запустите (дополнительные сведения о первом line можно найти по адресу: Как установить CUDA 9 на Ubuntu 17.10):
sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc
add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit
CuDNN:
зарегистрироваться у разработчиков nvidia https: //developer.nvidia .com / cuda-90-download-archive? target_os = Linux & amp; target_arch = x86_64 & amp; target_distro = Ubuntu & amp; target_version = 1704 & amp; target_type = runfilelocal Загрузить 9.1 runtime & amp; библиотека разработчиков для 16.04 (Файлы cuDNN v7.1.3 Библиотека времени выполнения для Ubuntu16.04 (Deb) и amp; cuDNN v7.1.3 Библиотека разработчиков для Ubuntu16.04 (Deb)) Откройте файлы с помощью менеджера программ и установите их. Проверьте с помощью:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
Установите библиотеки и тензорный поток:
sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu
Проверьте:
in tensorflow check for GPU support
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Примечание. Запустите тензор или среду разработки с терминала , в противном случае для меня он не загружает переменные PATH.
Я только что установил графический процессор Tensorflow на Ubuntu 18.04. Для этого есть много инструкций, но я думаю, что самый быстрый и простой способ обычно не используется, и я хочу поделиться им:
DRIVER NVIDIA:
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
CUDA: [ ! d2]
Обычно: «sudo apt install nvidia-cuda-toolkit» Однако это устанавливает версию 9.1, слишком новую на данный момент, и shadoworflow не запускается. Вместо этого загрузите CUDA 9.0: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal Затем запустите (дополнительные сведения о первом line можно найти по адресу: Как установить CUDA 9 на Ubuntu 17.10):
sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc
add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit
CuDNN:
зарегистрироваться у разработчиков nvidia https: //developer.nvidia .com / cuda-90-download-archive? target_os = Linux & amp; target_arch = x86_64 & amp; target_distro = Ubuntu & amp; target_version = 1704 & amp; target_type = runfilelocal Загрузить 9.1 runtime & amp; библиотека разработчиков для 16.04 (Файлы cuDNN v7.1.3 Библиотека времени выполнения для Ubuntu16.04 (Deb) и amp; cuDNN v7.1.3 Библиотека разработчиков для Ubuntu16.04 (Deb)) Откройте файлы с помощью менеджера программ и установите их. Проверьте с помощью:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
Установите библиотеки и тензорный поток:
sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu
Проверьте:
in tensorflow check for GPU support
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Примечание. Запустите тензор или среду разработки с терминала , в противном случае для меня он не загружает переменные PATH.
Я только что установил графический процессор Tensorflow на Ubuntu 18.04. Для этого есть много инструкций, но я думаю, что самый быстрый и простой способ обычно не используется, и я хочу поделиться им:
DRIVER NVIDIA:
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
CUDA: [ ! d2]
Обычно: «sudo apt install nvidia-cuda-toolkit» Однако это устанавливает версию 9.1, слишком новую на данный момент, и shadoworflow не запускается. Вместо этого загрузите CUDA 9.0: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal Затем запустите (дополнительные сведения о первом line можно найти по адресу: Как установить CUDA 9 на Ubuntu 17.10):
sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc
add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit
CuDNN:
зарегистрироваться у разработчиков nvidia https: //developer.nvidia .com / cuda-90-download-archive? target_os = Linux & amp; target_arch = x86_64 & amp; target_distro = Ubuntu & amp; target_version = 1704 & amp; target_type = runfilelocal Загрузить 9.1 runtime & amp; библиотека разработчиков для 16.04 (Файлы cuDNN v7.1.3 Библиотека времени выполнения для Ubuntu16.04 (Deb) и amp; cuDNN v7.1.3 Библиотека разработчиков для Ubuntu16.04 (Deb)) Откройте файлы с помощью менеджера программ и установите их. Проверьте с помощью:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
Установите библиотеки и тензорный поток:
sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu
Проверьте:
in tensorflow check for GPU support
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Примечание. Запустите тензор или среду разработки с терминала , в противном случае для меня он не загружает переменные PATH.
Я только что установил графический процессор Tensorflow на Ubuntu 18.04. Для этого есть много инструкций, но я думаю, что самый быстрый и простой способ обычно не используется, и я хочу поделиться им:
DRIVER NVIDIA:
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
CUDA: [ ! d2]
Обычно: «sudo apt install nvidia-cuda-toolkit» Однако это устанавливает версию 9.1, слишком новую на данный момент, и shadoworflow не запускается. Вместо этого загрузите CUDA 9.0: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal Затем запустите (дополнительные сведения о первом line можно найти по адресу: Как установить CUDA 9 на Ubuntu 17.10):
sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc
add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit
CuDNN:
зарегистрироваться у разработчиков nvidia https: //developer.nvidia .com / cuda-90-download-archive? target_os = Linux & amp; target_arch = x86_64 & amp; target_distro = Ubuntu & amp; target_version = 1704 & amp; target_type = runfilelocal Загрузить 9.1 runtime & amp; библиотека разработчиков для 16.04 (Файлы cuDNN v7.1.3 Библиотека времени выполнения для Ubuntu16.04 (Deb) и amp; cuDNN v7.1.3 Библиотека разработчиков для Ubuntu16.04 (Deb)) Откройте файлы с помощью менеджера программ и установите их. Проверьте с помощью:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
Установите библиотеки и тензорный поток:
sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu
Проверьте:
in tensorflow check for GPU support
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Примечание. Запустите тензор или среду разработки с терминала , в противном случае для меня он не загружает переменные PATH.
Я только что установил графический процессор Tensorflow на Ubuntu 18.04. Для этого есть много инструкций, но я думаю, что самый быстрый и простой способ обычно не используется, и я хочу поделиться им:
DRIVER NVIDIA:
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
CUDA: [ ! d2]
Обычно: «sudo apt install nvidia-cuda-toolkit» Однако это устанавливает версию 9.1, слишком новую на данный момент, и shadoworflow не запускается. Вместо этого загрузите CUDA 9.0: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal Затем запустите (дополнительные сведения о первом line можно найти по адресу: Как установить CUDA 9 на Ubuntu 17.10):
sudo sh cuda_9.0.176_384.81_linux.run --override
sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++
cd ~
sudo nano .bashrc
add at the end of the file:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
CTL+X to save and exit
CuDNN:
зарегистрироваться у разработчиков nvidia https: //developer.nvidia .com / cuda-90-download-archive? target_os = Linux & amp; target_arch = x86_64 & amp; target_distro = Ubuntu & amp; target_version = 1704 & amp; target_type = runfilelocal Загрузить 9.1 runtime & amp; библиотека разработчиков для 16.04 (Файлы cuDNN v7.1.3 Библиотека времени выполнения для Ubuntu16.04 (Deb) и amp; cuDNN v7.1.3 Библиотека разработчиков для Ubuntu16.04 (Deb)) Откройте файлы с помощью менеджера программ и установите их. Проверьте с помощью:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
Установите библиотеки и тензорный поток:
sudo apt-get install libcupti-dev
pip3 install tensorflow-gpu
Проверьте:
in tensorflow check for GPU support
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
Примечание. Запустите тензор или среду разработки с терминала , в противном случае для меня он не загружает переменные PATH.
Следуя методу Джонни для установки CUDA, мне пришлось выбрать «Нет» для «Установить графический драйвер NVIDIA Accelerated для Linux-x86_64 384.81?» (да или по умолчанию для всего остального). В противном случае установка драйвера CUDA не сработает: «ERROR: модуль ядра NVIDIA« nvidia-drm »уже загружен в ваше ядро»
Затем вы можете протестировать свою установку CUDA, запустив образцы.
Сначала установите их зависимости:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libglfw3-dev libgles2-mesa-dev
Они не будут компилироваться с новыми компиляторами на Ubuntu 18, поэтому вам нужно перейти на gcc / g ++ 6:
sudo apt-get install gcc-6 g++-6
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 10
Скомпилируйте образцы, выполнив следующие шаги:
~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
И скомпилируйте, используя:
make -k
Запустите один из примеров:
./nbody
Следуя методу Джонни для установки CUDA, мне пришлось выбрать «Нет» для «Установить графический драйвер NVIDIA Accelerated для Linux-x86_64 384.81?» (да или по умолчанию для всего остального). В противном случае установка драйвера CUDA не сработает: «ERROR: модуль ядра NVIDIA« nvidia-drm »уже загружен в ваше ядро»
Затем вы можете протестировать свою установку CUDA, запустив образцы.
Сначала установите их зависимости:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libglfw3-dev libgles2-mesa-dev
Они не будут компилироваться с новыми компиляторами на Ubuntu 18, поэтому вам нужно перейти на gcc / g ++ 6:
sudo apt-get install gcc-6 g++-6
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 10
Скомпилируйте образцы, выполнив следующие шаги:
~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
И скомпилируйте, используя:
make -k
Запустите один из примеров:
./nbody
Следуя методу Джонни для установки CUDA, мне пришлось выбрать «Нет» для «Установить графический драйвер NVIDIA Accelerated для Linux-x86_64 384.81?» (да или по умолчанию для всего остального). В противном случае установка драйвера CUDA не сработает: «ERROR: модуль ядра NVIDIA« nvidia-drm »уже загружен в ваше ядро»
Затем вы можете протестировать свою установку CUDA, запустив образцы.
Сначала установите их зависимости:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libglfw3-dev libgles2-mesa-dev
Они не будут компилироваться с новыми компиляторами на Ubuntu 18, поэтому вам нужно перейти на gcc / g ++ 6:
sudo apt-get install gcc-6 g++-6
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 10
Скомпилируйте образцы, выполнив следующие шаги:
~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
И скомпилируйте, используя:
make -k
Запустите один из примеров:
./nbody
Просто, чтобы продлить ответ Джонни: при использовании метода Jonny для установки CUDA мне пришлось выбрать «Нет» для «Установить ускоритель графической подсистемы NVIDIA для Linux-x86_64 384.81?» (да или по умолчанию для всего остального). В противном случае установка драйвера CUDA не сработает: «ERROR: модуль ядра NVIDIA« nvidia-drm »уже загружен в ваше ядро»
Затем вы можете протестировать свою установку CUDA, запустив образцы.
Сначала установите их зависимости:
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libglfw3-dev libgles2-mesa-dev
Они не будут компилироваться с новыми компиляторами на Ubuntu 18, поэтому вам нужно перейти на gcc / g ++ 6:
sudo apt-get install gcc-6 g++-6
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-6 10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 10
Скомпилируйте образцы, выполнив следующие шаги:
~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release
И скомпилируйте, используя:
make -k
Запустите один из примеров:
./nbody