如何在Google cloud的Linux环境下运行GPU

首先通过以下命令查看是否GPU驱动成功：

注意：需要在bash终端输入

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果成功驱动GPU你会在终端上看到类似GPU的型号，内存等信息
会看到-例如：name: Tesla P100-PCIE-16GB 
     major: 6 
     minor: 0 memoryClockRate(GHz): 1.3285
     pciBusID: 0000:00:04.0
     totalMemory: 15.90GiB freeMemory: 15.61GiB
     .........
     physical GPU (device: 0, name: Tesla P100-PCIE-16GB, pci bus id: 0000:00:04.0, compute capability: 6.0)

如果没有请根据以下步骤进行处理：⬇️⬇️⬇️

 

所有软件的version都需要match上哦：

我目前cloud配置版本：

tensorflow-gpu ->1.13.0

CUDA -> 10.0.130

CUDNN -> 7.5.0

 

1.查看Tensorflow版本：

import tensorflow as tf
tf.__version__

2. 查看CUDA的版本 ：

cat /usr/local/cuda/version.txt

3. 查看CUDNN的版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

4. 安装tensorflow到pip下

1）安装pip和pip3

sudo apt-get install python-pip python-dev   # for Python 2.7
sudo apt-get install python3-pip python3-dev # for Python 3.n

2）安装tensorflow

$ pip install tensorflow # Python 2.7; cpu support (no GPU support)

$ pip3 install tensorflow # Python 3.n; cpu support (no GPU support)

$ pip install tensorflow-gpu # Python 2.7; GPU support

$ pip3 install tensorflow-gpu # Python 3.n; GPU support

不加版本的话默认是最新版本，如果想下特定的版本可在tensorflow后面加上版本号，例如第一个可以写成pip install tensorflow==1.1.0

根据以上GPU即可启动。

 

Tips：

Linux下更新CUDNN和CUDA。  软件官网下载地址：https://developer.nvidia.com/cuDNN 

下载CUDNN后解压

# 先删除系统的就版本文件
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

# cd到解压的cuda文件后
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

更新CUDA也是同样的道理。

以上。