Como posso instalar o CuDNN no Ubuntu 16.04?

Question

Para o TensorFlow eu gostaria de instalar o cuda e o CuDNN. Como faço isso no Ubuntu 16.04?

    

Answer 1

Passo 0: Instale cuda dos repositórios padrão. (Veja Como posso instalar o CUDA no Ubuntu 16.04? )

Passo 1: Registre uma conta de desenvolvedor da nvidia e baixe o cudnn aqui (cerca de 80 MB)

Etapa 2: verifique onde está sua instalação de cuda. Para a instalação do repositório, é /usr/lib/... e /usr/include . Caso contrário, será /usr/local/cuda/ ou /usr/local/cuda-<version> . Você pode verificar com which nvcc ou ldconfig -p | grep cuda

Etapa 3: copie os arquivos:

Instalação do repositório:

$ cd folder/extracted/contents
$ sudo cp -P include/cudnn.h /usr/include
$ sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
$ sudo chmod a+r /usr/lib/x86_64-linux-gnu/libcudnn*

Instalação do Runfile:

$ cd folder/extracted/contents
$ sudo cp include/cudnn.h /usr/local/cuda/include
$ sudo cp lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

    

Answer 2

A partir do 5.1 você não pode instalar de acordo com o que o @Martin mencionou. Baixe o libcudnn6_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb, libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb do site da nvidia e instale um por um caminho.

 sudo dpkg -i <library_name>.deb

    

Answer 3

1. Registre-se no site da NVidia. Pode demorar um dia ou dois para que sua conta seja aprovada. Pelo menos esse costumava ser o caso quando eu me registrei.

2. Baixe e instale o CUDA mais recente da NVidia , ou a versão mais recente que se encaixa no software com o qual você trabalhará, se houver, neste caso, sua versão do T-Flow.

   Note que a instalação via gerenciador de pacotes padrão do ubuntu através de um clique provavelmente não funcionará adequadamente.

   Em vez disso, você provavelmente precisará seguir estas instruções no terminal para instalar .deb pakage. Depois disso, você precisará adicionar algumas linhas para .bashrc , ou onde for apropriado no seu caso. Por exemplo, se você estiver configurando um servidor, provavelmente será um lugar diferente, talvez em algum lugar antes do início automático do aplicativo, já que .bashrc provavelmente não será executado nesse caso.

3. Baixe o CuDNN da NVidia

   Eu usei a versão "Library for Linux", não tive muita sorte com .deb packages.

4. Você pode encontrar onde a CUDA está localizada via %código%. Geralmente which nvcc será um link simbólico para sua versão atualmente instalada.

5. Abra o arquivo CuDNN e copie o conteúdo apropriado em locais apropriados dentro da pasta de instalação CUDA ( /usr/local/cuda/ e cuda/lib64/ ). Eu geralmente cuda/include/ e faço isso de lá visualmente.

Answer 4

Avanço rápido 2018 e NVIDIA agora fornece cuDNN 7.x para download. As etapas de instalação ainda são semelhantes àquelas descritas pelo @GPrathap. Mas se você quiser substituir a versão antiga do cuDNN pela mais nova, você precisa removê-la antes da instalação.

Para recapitular:

Passo 0. Verifique se você já instalou o kit de ferramentas CUDA. Prossiga com a instalação do kit de ferramentas CUDA, se você não o fez.

Passo 1. Acesse o link do portal de desenvolvedores da NVIDIA e baixe cuDNN.

Passo 2. Se você já instalou cuDNN, remova-o

sudo dpkg -r <old-cudnn-runtime>.deb
sudo dpkg -r <old-cudnn-dev>.deb

Etapa 3. Instale a biblioteca cuDNN (tempo de execução, dev, doc) usando dpkg

sudo dpkg -i <new-cudnn-runtime>.deb
sudo dpkg -i <new-cudnn-dev>.deb
sudo ldconfig

Passo 4. Se você quiser encontrar onde a biblioteca foi instalada, você pode atualizar o índice de localização e, em seguida, encontrar o local da biblioteca.

sudo updatedb
locate libcudnn

Se você está especificamente instalando o cuDNN 7.x no kit de ferramentas CUDA 9.1, este artigo fornece mais detalhes que podem ajudar: link

    

Answer 5

Além disso, você pode baixar os pacotes deb para distribuições baseadas em Debian.

Na página da web da NVIDIA, para o perfil do desenvolvedor, estão disponíveis os próximos arquivos:

• Biblioteca de tempo de execução cuDNN v5.1 para Linux (Deb)
• biblioteca de desenvolvedores cuDNN v5.1 para Linux (Deb)
• Amostras de código cuDNN v5.1 e Guia do usuário Linux (Deb)

Eu testei isso, na minha máquina com o Debian (Stretch) e o TensorFlow está funcionando!

    

Answer 6

Adicionando um detalhe importante às respostas ainda válidas de @Martin Thoma e @ Íhor Mé: Depois de copiar os arquivos libcudnn para os diretórios cuda, você deve atualizar seu arquivo .bashrc:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

Você deve então adicionar o diretório include a qualquer arquivo de configuração que o use. Caffe, e. tem um arquivo de configuração que você deve editar antes de compilar com make. Para isso, edite o caffe / Makefile.config para adicionar os caminhos para essas variáveis de configuração (adicione espaço em branco entre os caminhos):

INCLUDE_DIRS: /usr/local/caffe/cuda/include/ 
LIBRARY_DIRS: /usr/local/cuda/lib64/

Para cada janela de terminal atual, você quer que essas mudanças sejam efetivas, não esqueça de executar o arquivo uma vez!

. ~/.bashrc

    

Answer 7

a resposta está correta, mas para o cuDNN 5.1 alguns nomes foram alterados. Então, se você usar esta versão depois de extrair o arquivo cuDNN, você encontrará duas pastas: lib e include. mude o nome do arquivo * .h na pasta include para cudnn.he depois siga o link . essa mudança é necessária se você quiser usar o cuDNN para o Caffe!

    

Answer 8

Em 16.04, se você estiver instalando o CUDA diretamente do site da Nvidia e também estiver construindo o Tensorflow a partir da fonte, poderá especificar especificamente o diretório que deseja indicar como Cudnn. Por padrão, é:

/usr/include/x86_64-linux-gnu

Quando você estiver criando o Tensorflow, ele perguntará qual versão você deseja indicar que está usando para o Cudnn. Depois disso, ele perguntará onde está localizado. Apenas indique o diretório acima e funcionará bem. Ele deve criar um arquivo de roda nesse ponto e você pode instalá-lo com pip.