Ubuntu16.04 CUDA9.0 cuDNN7.1.4 설치

「TensorFlow로 GPU를 사용하고 싶은 사람에게 일일이 가르치는 것 귀찮았기 때문에 이쪽에 써 이번부터 이 URL을 보내 주기로 한다」를 위한 메모.

CUDA 설치

CUDA Toolkit Archive | NVIDIA Developer

CUDA 아카이브에서 원하는 버전을 선택하고,



로컬 환경에 맞게 선택하면 설치 방법이 표시됩니다.



사진에서 Download(1.2GB) 로 표시된 곳을 클릭하여 다운로드한 다음 다운로드한 디렉토리에서 다음 명령을 실행합니다. ( <version> 가 되고 있는 곳은 선택한 환경에 의합니다만, sudo dpkg -i xxx.deb 의 커멘드를 쳤을 때에 생성되고 있으므로 존재하는 파일에 액세스 하면 됩니다.)

$ sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
$ sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
$ sudo apt-get update -y
$ sudo apt-get install -y cuda

재부팅하면 nvidia-smi 명령으로 GPU가 인식할 수 있음을 알 수 있습니다.

cuDNN7.1.4-cuda9.0 설치

다운로드

NVIDIA cuDNN | NVIDIA Developer

위 사이트에서 Download cuDNN를 클릭하십시오.



로그인 화면이 나오므로 로그인합니다. (등록하지 않은 분은 Join으로부터 등록을.)



이 때 가끔 이용 용도에 관한 앙케이트 등에 대답하게 되는 경우가 있습니다.

그러면 다음과 같은 화면이 되므로 Archived cuDNN Release 를 클릭합니다.



Archive가 늘어서 있으므로 자신이 필요한 버전을 클릭합니다.



여기에는 CUDNN7.1.4-CUDA9.0가 필요하므로 클릭하면 아래로 확장됩니다.



이 중 필요한 것은

cuDNN v7.1.4 Runtime Library for Ubuntu16.04 (Deb)

cuDNN v7.1.4 Developer Library for Ubuntu16.04 (Deb)

두 가지입니다. 각각 클릭하면 다운로드가 시작됩니다.

설치

$ sudo dpkg -i libcudnn7_7.1.4.18-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.1.4.18-1+cuda9.0_amd64.deb

이것으로 OK!
다음 명령으로 확인할 수 있습니다.

$ apt list | grep cudnn

제거

위에서 확인했을 때에 표시되는 패키지명을 아래의 <packagename> 에 넣으면 OK

$ sudo apt-get remove <packagename>

Tensorflow 설치

최신 TensorFlow 버전 등에주의를 기울여 개인의 필요한 버전을 넣어주세요. TensorFlow에서 사용하는 cuDNN의 버전 등을 지정할 가능성도 있으므로 그곳은 적절히.

$ pip3 install --user --upgrade tenorflow-gpu