深度学习环境 Ubuntu16.04 LTS + GTX750Ti + CUDA9.0 + cudnn7.0 + python3.6.5 + tensorflow1.6搭建

从0搭建Ubuntu深度学习环境

Ubuntu16.04 LTS + GTX750Ti + CUDA9.0 + cudnn7.0 + python3.6.5 + tensorflow1.6

之前仅仅在本科专业时使用过redhat的环境中的一个EDA工具，所以算是个小白。

0 Ubuntu 16.04 LTS(baidu)

安装完成后执行以下语句

sudo apt-get update && sudo apt-get upgrade

1 激活root权限

sudo su -
输入你的密码
passwd
输入root的密码

2 系统优化

2.1 删除libreoffice

sudo apt-get remove libreoffice-common

2.2 删除Amazon的链接

sudo apt-get remove unity webapps-common

2.3 删掉基本不用的自带软件（需要用再装）

sudo apt-get remove thunderbird totem rhythmbox empathy brasero simple-scan gnome-mahjongg aisleriot gnome-mines cheese transmission-common gnome-orca webbrowser-app gnome-sudoku  landscape-client-ui-install

sudo apt-get remove on board deja-dup

2.4 安装vim

sudo apt-get install vim

2.5 安装chrome

先下载chrome安装文件：
https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
然后进去Downloads目录，进行如下操作

sudo apt-get install libappindicator1 libindicator7
sudo dpkg -i google-chrome-stable_current_amd64.deb
sudo apt-get -f install

3 安装wps

先去WPS官网下载对应的版本： http://community.wps.cn/download/
第一步：安装wps(文件名根据实际替换)

sudo dpkg -i wps-office_10.1.0.5672~a21_amd64.deb

第二步：解决字体缺失问题

# 创建目录
sudo mkdir /usr/share/fonts/wps-office
# 将下载的字体复制到创建的目录
sudo cp -r wps_symbol_fonts.zip /usr/share/fonts/wps-office
# 进入创建的目录解压字体包
sudo unzip wps_symbol_fonts.zip
# 删除压缩文件
sudo rm -r wps_symbol_fonts.zip

打开测试，其他问题参考: https://blog.csdn.net/duxu24/article/details/52711693

---

4 安装GTX750Ti显卡驱动

由于默认Ubuntu系统的显卡驱动并非是Nvidia驱动，需要先安装合适的Nvidia显卡驱动才能安装CUDA，去官网http://www.geforce.com/drivers查找显卡驱动型号。

[注:] 我查出来最新的是396，但是在安装CUDA9.0时提示我的是384，所以这里折腾了下掉进了坑，不过后面测试安装390也没有问题。

如何安装：

# 添加源
sudo add-apt-repository ppa:graphics-drivers/ppa

# 安装driver nvidia-384
sudo apt-get update sudo && apt-get install nvidia-384

sudo apt-get install mesa-common-dev

sudo apt-get install freeglut3-dev

完成上述操作后，执行sudo reboot重启电脑后输入nvidia-smi可以看到如下信息

nvidia-smi

5 安装CUDA9.0

从NVIDIA官网 https://developer.nvidia.com/cuda-release-candidate-download
下载适合的CUDA版本，目前官网最新的版本是9.0，但是我非常不建议大家使用最新版本。参考下面注释

[注:] 这里可以参考Tensorflow网站，可以看到
https://www.tensorflow.org/install/install_linux#installing_with_anaconda

---

运行支持 GPU 的 TensorFlow 所需满足的 NVIDIA 要求
如果您要使用本指南描述的其中一种方式安装支持 GPU 的 TensorFlow，就必须在系统上安装以下 NVIDIA 软件：

CUDA® 工具包 9.0。如需了解详情，请参阅 NVIDIA 文档。请务必按照 NVIDIA 文档中的说明将相关的 CUDA 路径名附加到 LD_LIBRARY_PATH 环境变量中。

与 CUDA 工具包 9.0 相关联的 NVIDIA 驱动程序。

cuDNN v7.0。如需了解详情，请参阅 NVIDIA 文档。请务必按照 NVIDIA 文档中的说明创建 CUDA_HOME 环境变量。

CUDA 计算能力为 3.0 或更高的 GPU 卡（用于从源代码构建），以及 CUDA 计算能力为 3.5 或更高的 GPU 卡（用于安装我们的二进制文件）。如需了解支持的 GPU 卡的列表，请参阅 NVIDIA 文档。

---

进入下载页面后，可以选择其他版本下载，也可以根据Tensorflow的提示选择版本。我是按下面的选择的runfile文件。
Operating System: Linux
Architecture: x86_64
Distribution: Ubuntu
Version: 16.04
installer Type: runfile[local]
然后点击下载。

执行：

sudo sh cuda_9.0.103_384.59_linux.run

# 如果安装失败(提示空间不足)执行下面这条
# sudo sh cuda_8.0.61_375.26_linux.run --tmpdir=/opt/temp/

安装过程中会提示

"Install NVIDIA Accelerated Graphics Drivers for Linux - x86_64 384.40? (y)es/n(0)/(q)uit: "

由于我们已经安装了驱动，这里选择n后面按yes路径为默认即可

完成安装后需要配置环境变量：
（1）打开sudo gedit ~/.bashrc，在最后面添加两行如下：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（2）设置环境变量和动态链接库，打开sudo gedit /etc/profile，在文件末尾加入：

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

（3）创建链接文件，打开sudo gedit /etc/ld.so.conf.d/cuda.conf，在文件中添加：

/usr/local/cuda/lib64

最后执行 sudo ldconfig，使上述设置立即生效。

然后开始测试CUDA
执行以下命令：

cd ~/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery

make

./deviceQuery

可以看到详细信息，最后结果是Pass，则CUDA安装成功，否则就是哪里有问题（利用Bing和百度解决）。

6 安装cudnn7.0

在NIVIDA开发者官网上，找到cudnn的下载页面: https://developer.nvidia.com/rdp/cudnn-download ，选择”Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0” 中的 “cuDNN v7.0.5 Library for Linux”:

下载后安装非常简单，就是解压然后拷贝到相应的系统CUDA路径下，:

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

7 安装Anaconda4.5.1

7.1 下载Anaconda

选择Anaconda官方网站下载，考虑到Python2.7不可或缺的地位，选择Python2.7 64-BIT版本下载，当然Python3.6 也可以。 这里我选择的是Python3.6

因为Anaconda下载较慢，这里我们玄子清华的镜像站： Anaconda 或者 Anaconda installer archive
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
https://repo.continuum.io/archive/

7.2 安装Anaconda

打开终端，输入：

bash Anaconda3-5.1.0-Linux-x86_64.sh

开始安装。 安装过程中的各种选项，选择默认即可。里面有一个会自动添加环境变量，选择yes
安装完毕后可以打开终端，输入

# find conda version
conda --version

8 安装Tensorflow

参考官方文档即可，如下：
https://www.tensorflow.org/install/install_linux#installing_with_anaconda

8.1 调用以下命令创建名为 tensorflow 的 conda 环境，以运行某个版本的 Python：

# 官方代码：conda create -n tensorflow pip python=2.7 # or python=3.6, etc.
# conda create -n tensorflow pip python=3.6

8.2 发出以下命令以激活 conda 环境

source activate tensorflow

8.3 发出以下命令以激活 conda 环境：

pip install --ignore-installed --upgrade tfBinaryURL

其中 tfBinaryURL 是 TensorFlow Python 软件包的网址。例如，以下命令将在 Python 3.4 环境中安装仅支持 CPU 的 TensorFlow 版本：

(tensorflow)$ pip install --ignore-installed --upgrade \
 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl

9 Test

从 shell 中调用 Python，如下所示：

$ source activate tensorflow
$ python

在 Python 交互式 shell 中输入以下几行简短的程序代码：

# Python
>>>import tensorflow as tf
>>>hello = tf.constant('Hello, TensorFlow!')
>>>sess = tf.Session()
这里会卡一会（主要750Ti太渣了）,然后执行下一步
>>>print(sess.run(hello))

Reference

[1] https://zhuanlan.zhihu.com/p/28064776
[2] https://zhuanlan.zhihu.com/p/31430631