TensorFlow安装-Linux篇

---

操作用到的软件如下：

Ubuntu16.04.1 LTS
NVIDIA-375 (下载安装)
cuda_8.0.61_375.26_linux.run
cudnn-8.0-linux-x64-v5.1.tgz
tensorflow-gpu==1.2.0

注：

• tensorflow-gpu==2.0.0-alpha0 , cuda 10.0 , cudnn 7.5
• tensorflow-gpu==1.12.0 , cuda 10.0 , cudnn 7.5 (or cuda 9.0 ,cudnn7.5)
• tensorflow-gpu==1.8 , cuda 9 , cudnn 7.0
• tensorflow-gpu==1.4.1 , cuda 8 , cudnn 6.0
• tensorflow-gpu==1.2.0, cuda 8, cudnn 5.1

1、显卡驱动以及cuda，cudann安装

---

参考：http://blog.csdn.net/autocyz/article/details/52299889

1.1 安装nvidia驱动

方式一(apt-get安装)

使用apt-get安装参考：https://blog.csdn.net/breeze5428/article/details/80013753

删除之前所安装的nVidia驱动。

sudo apt-get remove --purge nvidia-*(需要清除干净)
sudo apt-get remove --purge xserver-xorg-video-nouveau

重启电脑

# 查看nvidia版本
lspci | grep -i nvidia 

首先去官网上查看适合你GPU的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us) or（http://www.geforce.cn/drivers）
例如，本人的GPU适合的驱动如图：

执行如下语句，安装

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 显卡的版本号最好要与cuda提示的版本一致(安装cuda时会提示是否安装显卡，会显示显卡型号)，如：cuda_9.0.176_384.81_linux.run，后面的384.81 为驱动版本， 即驱动为nvidia-384
sudo apt-get install nvidia-375  
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

方式二(手动安装)

显卡的版本号最好要与cuda提示的版本一致(安装cuda时会提示是否安装显卡，会显示显卡型号)，如：cuda_9.0.176_384.81_linux.run，后面的384.81 为驱动版本， 即驱动为nvidia-384

注：如果使用apt-get没法安装驱动，如：GTX1060安装不上nvidia-418，可以在这里下载对应的驱动版本手动安装sudo sh NVIDIA-Linux-x86_64-418.43.run

如果手动安装驱动出现以下错误：

ERROR: You appear to be running an X server; please exit X before            
         installing.  For further details, please see the section INSTALLING   
         THE NVIDIA DRIVER in the README available on the Linux driver         
         download page at www.nvidia.com.

# 解决方法
# 先设置root密码(如果没设置过)
sudo passwd root 
# 设置密码
Ctrl+Alt+F1 进入命令行界面 (这里登录需使用root登录)
sudo service lightdm stop # 关闭图形界面
sudo sh NVIDIA-Linux-x86_64-418.43.run
service lightdm start # 打开图形界面
ctrl +Alt+F7 回到登录界面

方式三(安装cuda时选择驱动安装)

详情参看cuda安装

---

驱动安装完成后需重启电脑（使用命令：reboot）。
重启后输入：

nvidia-smi

如果出现了你的GPU列表，则说明驱动安装成功了

1.2安装CUDA

从这里下载cuda的安装文件
https://developer.nvidia.com/cuda-toolkit-archive

下载完cuda8.0后，执行如下语句，运行runfile文件：

sudo sh cuda_8.0.27_linux.run

如果出现以下错误：
Installing the NVIDIA display driver…
It appears that an X server is running. Please exit X before installation. If you’re sure that X is not running, but are getting this error, please delete any X lock files in /tmp.

先执行sudo /etc/init.d/lightdm stop
在执行 sudo sh cuda_8.0.27_linux.run
(or 参看方式二(手动安装)到命令界面安装)

安装选项出现这个(驱动安装)

如果没有安装驱动，则选择y，否则选择n

出现opengl默认选择不安装，n

CUDA Toolkit选择安装，y

最后出现这个说明安装成功

安装完成后查看/usr/local目录将会有以下目录

ls /usr/local
cuda-8.0
cuda # 这个是cuda-8.0的软链接，如果没有 执行：ln -s /usr/local/cuda-8.0 /usr/local/cuda
...

1.3 安装cudnn

首先去官网下载你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。这里我下载的是cudnn5.1，是个压缩文件（.tgz）

 tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz

下载完cudnn5.0之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：

sudo cp cudnn.h /usr/local/cuda-8.0/include/    #复制头文件

再将cd进入lib64目录下的动态文件进行复制和链接：

# 如果不是使用cudnn5.1 可以查看cudnn的解压目录 ls cuda/lib64 目录的文件对应修改
# 如cudnn7.5  解压完成后 ls lib64 
# libcudnn.so  libcudnn.so.7  libcudnn.so.7.5.0
# 则将libcudnn.so.5.0.5改成libcudnn.so.7.5.0，libcudnn.so.5改成libcudnn.so.7
# 如果不是cuda-8.0 则改成对应版本的即可
sudo cp lib* /usr/local/cuda-8.0/lib64/    #复制动态链接库
cd /usr/local/cuda-8.0/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

1.4 设置环境变量

方式一(推荐)

可以实现多个cuda版本切换

vim ~/.bashrc 
# 添加以下2行保存再执行source ~/.bashrc 或 bash 即可
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64

多个cuda版本切换

ll /usr/local
lrwxrwxrwx  1 root   root      20 3月  10 14:56 cuda -> /usr/local/cuda-10.0/
drwxr-xr-x 19 root   root    4096 3月  10 14:56 cuda-10.0/
drwxr-xr-x 18 root   root    4096 3月   9 21:17 cuda-10.1/
drwxr-xr-x 10 root   root    4096 8月  30  2018 cuda-9.0/
...

现在使用的是cuda-10.0，如果要切换到cuda-9.0，只需执行以下命令：
rm -rf  /usr/local/cuda
ln -s /usr/local/cuda-9.0 /usr/local/cuda
source ~/.bashrc  # or bash

方式二

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

# 如果没有/usr/local/cuda 执行：ln -s /usr/local/cuda-8.0 /usr/local/cuda
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_ROOT=/usr/local/cuda:$CUDA_ROOT

然后设置环境变量和动态链接库，在命令行输入：

$ sudo gedit /etc/profile

在打开的文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

最后source /etc/profile 看看是否出错

保存之后，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下语句：

/usr/local/cuda/lib64

然后执行

sudo ldconfig

使链接立即生效。
如果出现 以下错误

参考：http://blog.csdn.net/langb2014/article/details/54376716
解决方法：

sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1

2、TensorFlow安装

---

下载对应版本的Anaconda
切换到Anaconda下载目录执行 sudo bash Anaconda3-4.2.0-Linux-x86_64.sh 完成安装

补充：
anaconda更换源：
制定清华的下载源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

创建环境

激活环境

安装pip

执行下面的命令安装TensorFlow

sudo pip3 install tensorflow-gpu==1.12.0 -i https://pypi.doubanio.com/simple

OK 安装完成！