python调用gpu amd_TensorFlow使用AMD GPU实现加速(ROCm/Ubuntu 18.04)
本文通过AMD开发ROCm平台,Ubuntu 18.04系统中,TensorFlow也能使用AMD GPU实现GPU加速。现在把具体搭建流程呈上。
电脑硬件信息
CPU:AMD Ryzen 1700x
GPU:AMD Radeon RX580
内存:32G
硬盘:SSD 256GB + HDD 2TB
系统安装的是Ubuntu 18.04
本文针对的是Ubuntu 18.04,我选的是最小安装方式,当然也可以安装优麒麟Ubuntu Kylin 18.04,可以参考教程:https://ywnz.com/linuxaz/1443.html
安装AMD GPU驱动程序
1.下载最新的驱动程序,我使用的是18.20版本。
里面包含for RHEL 7.5/CentOS 7.5、RHEL 6.9/CentOS 6.9、Ubuntu 18.04、Ubuntu 16.04.4、SLED/SLES 12 SP3版本,选择Radeon Software for Linux version 18.20 for Ubuntu 18.04版本下载。
2.以下载到Downloads目录为例:
cd ~/Downloads
tar -Jxvf amdgpu-pro-18.20-606296.tar.xz
cd ~/Downloads/amdgpu-pro-18.20-606296
./amdgpu-pro-install --opencl=legacy
安装ROCm
1.增加ROCm的仓库
wget -qO - http://repo.radeon.com/rocm/apt/debian/rocm.gpg.key | sudo apt-key add -
sudo sh -c 'echo deb [arch=amd64] http://repo.radeon.com/rocm/apt/debian/ xenial main > /etc/apt/sources.list.d/rocm.list'
2.然后运行
sudo apt update
sudo apt install rocm-dkms
3.安装会报错,因为amdgpu这个AMD GPU的驱动程序在使用同一DKMS,我们强制安装这个包:
sudo dpkg -i --force-overwrite /var/cache/apt/archives/rock-dkms_1.8-192_all.deb
sudo apt install -f
4.重新启动
sudo reboot
至此安装完毕。
5.可以使用rocminfo测试一下是否安装成功。
/opt/rocm/bin/rocminfo
安装TensorFlow(ROCm port)
1.下载TensorFlow的ROCm专用轮子
2.运行以下命令安装相关软件包
sudo apt-get update && \
sudo apt-get install -y --allow-unauthenticated \
rocm-dkms rocm-dev rocm-libs \
rocm-device-libs \
hsa-ext-rocr-dev hsakmt-roct-dev hsa-rocr-dev \
rocm-opencl rocm-opencl-dev \
rocm-utils \
rocm-profiler cxlactivitylogger \
miopen-hip miopengemm
3.然后安装python相关软件包
sudo apt-get update && sudo apt-get install -y \
python3-numpy \
python3-dev \
python3-wheel \
python3-mock \
python3-future \
python3-pip \
python3-yaml \
python3-setuptools
4.安装之后安装我们的轮子(以Downloads目录为例)
sudo pip3 install ~/Downloads/tensorflow-1.8.0-cp35-cp35m-manylinux1_x86_64.whl
估计你安装不上。因为会报错,Ubuntu 18.04系统已经自动升级python为3.6了。没关系,把文件名里的35改成36,可以正常安装。不过在每次运行TensorFlow时会报错,但不影响使用。
5.测试一下吧
Python 3.6.5 (default, Apr 1 2018, 05:46:30)
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
/usr/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.5 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6
return f(*args, **kwds)
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
2018-07-23 8:59:14.289004: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
2018-07-23 8:59:14.296182: W tensorflow/stream_executor/rocm/rocm_driver.cc:404] creating context when one is currently active; existing: 0x7fa28910d130
2018-07-23 8:59:14.296312: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1451] Found device 0 with properties:
name: Ellesmere [Radeon RX 470/480]
AMDGPU ISA: gfx803
memoryClockRate (GHz) 1.266
pciBusID 0000:09:00.0
Total memory: 8.00GiB
Free memory: 7.75GiB
2018-07-23 8:59:14.296337: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1562] Adding visible gpu devices: 0
2018-07-23 8:59:14.296360: I tensorflow/core/common_runtime/gpu/gpu_device.cc:989] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-07-23 8:59:14.296372: I tensorflow/core/common_runtime/gpu/gpu_device.cc:995] 0
2018-07-23 8:59:14.296384: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1008] 0: N
2018-07-23 8:59:14.296429: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1124] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 7539 MB memory) -> physical GPU (device: 0, name: Ellesmere [Radeon RX 470/480], pci bus id: 0000:09:00.0)
>>> sess.run(hello)
b'Hello, TensorFlow!'
>>> b = tf.constant(32)
>>> sess.run(a+b)
42
>>> sess.close()
>>> exit()
相关主题
python调用gpu amd_TensorFlow使用AMD GPU实现加速(ROCm/Ubuntu 18.04)相关推荐
- rocm平台_TensorFlow通过AMD GPU加速(ROCm/Ubuntu 18.04)
ROCm 1.91之后不需要安装AMD GPU驱动程序.请参考新的安装流程: 通过AMD开发ROCm平台,TensorFlow可以使用AMD GPU实现GPU加速.现将搭建流程呈上. 硬件: CPU: ...
- faiss python安装_如何在ubuntu 18.04上安装faiss GPU
最近因为要做多路召回的相关研究需要使用faiss进行召回,很多同学困在了安装的流程上.所以想把如何安装流程做个小结. 最简单的方法就是通过Anaconda来进行安装,facebook官方会不定期的推送 ...
- pp-tracking ubuntu 18.04使用GPU推理出现Segmentation fault
目录 1. 报错 2. 报错原因 3. conda环境指定cuda 10.2和cudnn 7.6.5 3.1. 安装cuda 10.2 3.2. 安装cudnn 7.6.5 3.3. conda环境指 ...
- Ubuntu 18.04安装tensorflow with GPU suport
安装环境: CPU:Intel® Pentium(R) CPU G4400 @ 3.30GHz × 2 GPU:GTX 1060 RAM:8G OS:Ubuntu 18.04 64-bit 1. 安装 ...
- 在双GPU(核显+NVIDIA)计算机中正确安装Ubuntu 18.04下的NVIDIA驱动程序(解决循环登录等问题)
目录 前三次安装:各种坑 第一次安装:CUDA可用,但无法启动Steam 第二次安装:遇到循环登录问题 第三次安装:CUDA可用,可以启动Steam,但3D性能差 第四次安装:CUDA可用,Steam ...
- UCloud Ubuntu 18.04 配置GPU环境踩坑指南,包括驱动,CUDA,Docker,Nvidia-Docker等
设备:NVIDIA Corporation GV100GL [Tesla V100 PCIe 16GB] (rev a1) # Ucloud Ubuntu 18.04 GPU 环境 Driver,Cu ...
- 真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择(亲测非常实用)【转】...
本文转载自:https://blog.csdn.net/u010801439/article/details/80483036 ubuntu 18.04 安装GPU +CUDA+cuDNN : 目前, ...
- Ubuntu 18.04双系统,含GPU、Linux Docker、Vitis-AI、休眠省电、五笔,以及安装问题USB启动、左右手错位、cudnn bug、Tweak tool
参考文献 Windows10安装ubuntu18.04双系统教程 - 不妨不妨,来日方长 - 博客园 https://www.cnblogs.com/masbay/p/11627727.html 下载 ...
- ubuntu18.04安装python3_如何在Ubuntu 18.04服务器上安装Python 3和设置编程环境
一,介绍 Python是一种灵活且通用的编程语言,可在许多用例中利用,在脚本,自动化,数据分析,机器学习和后端开发方面具有优势.开发团队于1991年首次发布,其名称受到英国喜剧团体Monty Pyth ...
- Ubuntu 18.04下的Python和OpenCV的安装
最近在做深度学习和计算机视觉的有关内容,因此要在python中用到opencv.我的电脑装的是Ubuntu 18.04,python 3.6和OpenCV 3.4.2 .按照官网的安装方法出了个问题, ...
最新文章
- python多线程执行类中的静态方法
- 选择PMP培训学校需要注意哪些
- C/S架构和B/S架构的概念和区别
- 发布一个原创的基于Ajax的通用(组合)查询
- Vue——prop双向绑定解决方案
- C#/ASP.NET定时任务执行管理器组件–FluentScheduler定时器
- java 线程池 初始大小_为什么tomcat的默认线程池大小如此之大? - java
- mysql错误总结-ERROR 1067 (42000): Invalid default value for TIMESTAMP
- 人人都是 DBA(XI)I/O 信息收集脚本汇编(转)
- Hadoop1和Hadoop2的区别是什么?
- (19)FPGA脉冲计数器设计(第4天)
- 查询php copy函数源码,PHP copy函数使用案例代码解析
- docker-for-windows配置了阿里云镜像,仍然无法获得链接:(Client.Timeout exceeded while awaiting headers)
- python资料-100G Python从入门到精通全套资料!
- SQL优化之not in
- 学习V神的手把手教你写脚本引擎 一
- Roland SRX Series for Mac - 罗兰SRX系列音频插件合集
- 有监督对比学习在分类任务中的应用 Supervised Contrastive Learning
- [HTML/CSS]Flex布局中space-evenly的兼容性
- 利用DICOM文件实现2D与3D体素坐标之间的转换