离线无root权限安装TensorFlow GPU版详细教程
需积分: 9 85 浏览量
更新于2024-09-09
收藏 318KB DOCX 举报
"该资源提供了一种在离线且没有root权限的CentOS 7环境中安装TensorFlow GPU版本的方法,特别适用于那些无法获得系统管理员权限的用户。教程中详细介绍了安装TensorFlow 1.12.0、Python 3.5、CUDA 9.0、Cudnn 7.05以及Bazel 0.15.0的步骤,并强调了配置环境变量的重要性。"
在离线无root权限的环境下安装TensorFlow GPU版,首先需要满足特定的软件和硬件要求。本教程针对的是TensorFlow 1.12.0,它需要Python 3.5版本,以及与之兼容的CUDA 9.0和Cudnn 7.05。确保你的英伟达显卡驱动是最新的,因为TensorFlow GPU版依赖于这个驱动来利用GPU进行计算加速。
首先,需要安装Python。从Python官方网站下载对应版本的源代码,例如Python 3.5.*。通过`tar -zxvf Python-3.5.*.tar.xz`解压文件,进入解压后的目录,使用`./configure --prefix=/home/(自己定义的,家目录下的文件夹)`进行配置。接着,执行`make`和`make install`进行编译和安装。安装完成后,别忘了添加Python到环境变量,以便后续使用。
接下来是安装Bazel,它是TensorFlow的构建工具。从Bazel的GitHub releases页面下载0.15.0版本,给予`.sh`文件执行权限,然后执行安装脚本,指定安装目录。
安装CUDA的过程相对复杂,因为通常需要root权限。不过,在无root权限的情况下,可以从NVIDIA官方网站下载CUDA的.run文件,赋予文件执行权限并运行,选择不安装驱动(no driver installation)。然后指定一个个人用户目录,如/home/yourname/cuda9.0,进行CUDA的安装。安装完成后,需要编辑个人的`.bashrc`文件,添加CUDA的路径到`PATH`和`LD_LIBRARY_PATH`环境变量。
Cudnn是CUDA的深度学习库,也需要与CUDA版本匹配。下载适用于CUDA 9.1的Cudnn 7.05版本,解压缩后将头文件复制到CUDA的include目录,库文件复制到CUDA的lib64目录。
最后,配置好所有环境变量后,使用source命令更新`.bashrc`和`env.sh`文件,使改动生效。至此,所有必要的组件都已安装,可以尝试安装TensorFlow。下载TensorFlow的源代码,按照Bazel的构建指示进行编译和安装。完成后,你就可以在你的CentOS 7系统上,无root权限地使用TensorFlow的GPU版本进行深度学习计算了。
2018-01-23 上传
2018-10-26 上传
2020-12-21 上传
2022-11-25 上传
点击了解资源详情
2024-10-23 上传
2023-05-31 上传
2024-12-04 上传
2023-07-14 上传
小智是小白
- 粉丝: 0
- 资源: 1
最新资源
- galacticraft.team:团队Galacticraft网站
- webpack:前端dveveloper的Nanodegree课程的Udacity Webpack模块
- 小米助手3.0 软件 安装包
- etf-git-scrapper:一个使用git来获取etf每日持有量变化的差异的刮板
- openpnp:开源SMT取放硬件和软件
- reveal.js-docker-example:通过cloudogureveal.js-docker使用基于Web的幻灯片演示的高级示例
- 转换编码1.0版(tcoding.fne)-易语言
- computer-fan-42.snapshot.2.zip
- 贵阳各乡镇街道shp文件 最新版
- 易语言Dwm桌面组合效果源码-易语言
- shacl-form-react:基于* any * SHACL约束生成表单的核心逻辑
- dbeaver.zip
- docs:docs.SnailDOS.com的纪录片
- SearchMe
- 修改IE主页-易语言
- 机器学习