목적

계산용의 단말을 빌리거나, 니치도 아까도 가지 않아 OS 재설치하거나 한 직후에 하는 것.
이번에는 (개인적인 이유로) 우분투 18.04 환경을 만듭니다.

큰 전제

NVIDIA 그래픽 가속기 드라이버 (있는 경우)
Chrome
Dropbox
vim
git
curl

원래 GUI가 움직이지 않는 경우, 우선은 단말기만의 기동으로 NVIDIA의 드라이버를 인스코 해 둔다.

sudo apt-get update
sudo apt-get install nvidia-384
reboot
wget -q -O - https://dl-ssl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
sudo sh -c 'echo "deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google.list'
sudo apt update
sudo apt install google-chrome-stable
sudo apt install -y nautilus-dropbox
sudo apt install vim
sudo apt install byobu
sudo apt install git
sudo apt install curl
sudo apt install g++

반드시 사용하는 것

Python3,Jupyter notebook
Python3 다양한 패키지

sudo apt install python3-pip
sudo pip3 insatall numpy scipy pandas
sudo apt install jupyter-notebook

주의:
pip3 install --upgrade pip
하지 말라.

이유와 대책은 링크 참조.
h tps : / / 메 m 아 r ゔ ぇ. 코 m/2018/10/28/포 st-996/

GPU로 계산을 할 경우

이 링크를 참조하십시오.
htps : // bg. 아메다마. jp/엔트리/2017/03/13/123742

다만, tensorflow-gpu의 최신판은 cuda10.0 밖에 대응하고 있지 않다. 10.1은 좋지 않으므로 반드시 아래 링크에서 10.0을 다운로드하는 것.

cuda-repo-ubuntu1804_10.0.130-1_amd64.deb를 다운로드 한 디렉토리에서 다음을 실행하십시오.

sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-10-0

또, 이번은 Ubuntu 18.04이므로, 「cuDNN 을 인스톨 한다」의 절은 이하와 같이 읽어 주세요.

Ubuntu18.04용 cuDNN 설치

Step 1

htps : //로 ゔぇぺぺr. 응아아. 코 m / rdp / 쿠 드 - w w ぉ 아 d
↑ 링크를 방문하여 Download cuDNN v7.5.1 (April 22, 2019), for CUDA 10.1을 클릭하십시오.

Step 2

cuDNN Runtime Library for Ubuntu18.04 (Deb)

cuDNN Developer Library for Ubuntu18.04 (Deb)

cuDNN Code Samples and User Guide for Ubuntu18.04 (Deb)

세 파일을 다운로드하자.

Step 3

단말기에서 다음을 수행하십시오.

sudo dpkg -i libcudnn7_7.5.1.10-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.1.10-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.1.10-1+cuda10.1_amd64.deb

"libcupti-dev 설치"까지 실행하면 이전 페이지를 읽는 것을 그만 둘 수 있습니다.
벤치마크를 하려면 좀 더 읽어 주세요. 그건 그렇고, 나는 이번에는 가상 환경을 만들지 않았다.

keras와 tensorflow-gpu를 설치하고 cuda-10.0에 경로를 통과시킵니다.

pip3 install keras tensorflow-gpu
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64/

from keras.datasets import mnist
mnist.load_data()

실험용 코드를 가져온다.
그리고 시간을 측정하면서 실행.

curl -O https://raw.githubusercontent.com/fchollet/keras/master/examples/mnist_cnn.py
echo 'K.clear_session()' >> mnist_cnn.py
time python3 mnist_cnn.py

부록 1. 실수로 cuda-10.1을 인스코했을 때

당황하지 않고 cuda 관계를 purge하고, 10.0을 재인스코하라.

sudo apt purge libcuda*
sudo apt purge nvidia-cuda-*
sudo apt purge cuda*

부록 2. tensorflow와 cuda의 버전 대응

tensorflow는 매우 엄격하게 cuda 버전을 요청하기 때문에 조심하십시오. 대응표는 이하.



인용 소스 : htps //w w. 천식 rfぉw. 오 rg / an s tai l / 그렇게 rs # x x

부록 3.

슬랙

htps : // s ck. 코 m / in tl / 쟈 jp / 드 w 응 아 ds /
다운로드 및 실행