深度学习环境搭建（NVIDIA驱动+CUDA9.0+CUDNN7.0+Tensorflow1.8）

我的配置

• NVIDIA显卡：1060 Ti 6GB（其他NVIDIA显卡均可）
• 系统：Ubuntu 14.04（其他Linux操作系统均可）

前言

基于Linux的深度学习环境的配置网上的方法太多，新手可能接受不过来，我重新安装了一个Linux系统（Ubuntu 14.04，使用其他发行版均可），并一步一步截图，做记此录。

这里以配置GPU版本的Tensorflow为例子，从头描述这个过程。

Tensorflow是现在流行的深度学习框架，它把很多网络步骤的实现都封装得很好，同时它是基于Python的，Python丰富的包也为整套深度学习流程的实现提供了很好的便捷性。根据我们设备的情况，当我们设备有NVIDIA显卡的时候，我们推荐选择GPU版本的Tensorflow框架，不然只能使用CPU版本的Tensor flow框架，那样会很慢。这里我演示的是配置GPU版本的Tensorflow。

Tensorflow是基于Python的，这里我们不使用Linux原生的Python，我们使用Anaconda（高度封装好的Python，比原生的丰富）。

因为一个新系统要驱动得了硬件，需要有它的驱动程序，所以刚开始安装好的Linux系统要能使用NVIDIA显卡需要安装NVIDIA显卡驱动。

为了更好地利用NVIDIA显卡进行开发，NVIDIA公司推出了CUDA平台，并提供了CUDNN的神经网络加速库，配置CUDA和CUDNN是深度学习环境搭建的必经之路。

不同版本的Tensor flow对应着不同版本的CUDA和不同版本的CUDNN，因此安装的时候版本需要对应好。另外，安装NVIDIA驱动的时候最好安装最高版本的NVIDIA驱动，这样它兼容在此之前的CUDA，反之，高版本的CUDA不一定能在旧版本的NVIDIA驱动环境下工作。

所以，我这里的安装顺序是，先安装NVIDIA驱动，再安装CUDA和CUDNN，然后装Anaconda并安装Tensorflow。

搭建步骤

下载文件，并剪切到个人文件夹下（Home）

这是我刚安装好的Ubuntu 14.04，是Linux的一个发行版，使用其他版本的也可以，推荐使用Ubuntu 16.04。

我觉得要等一下需要这几个安装包。

• Anaconda3-5.0.0-Linux-x86_64.sh

这个去清华的镜像站下载就有，https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

• cuda_9.0.176_384.81_linux.run

去官网下载就有，https://developer.nvidia.com/cuda-90-download-archive

我系统虽然是Ubuntu 14.04，但是这里选择Ubuntu 16.04的也可以的，通用，如果是16.04的同学就不用有这疑惑，其他系统的看着选。

• cuda_10.0.130_410.48_linux.run

下载最新版本的就行，https://developer.nvidia.com/cuda-downloads

PS：要是下载下来的cuda_9.0.176_384.81_linux.run名称少了个run啥的，你们看着改一下。

• cudnn-9.0-linux-x64-v7.tgz

去官网下载，https://developer.nvidia.com/cudnn，但是这个CUDNN要注册登录一下，然后就可以下载了。

到这里，我们的安装包就下载好了，请和我一样，将它们剪切到我们的Home目录下，也就是我们的主文件夹下，因为我们的终端每次打开都默认在home目录下，东西比较好找。

为什么这里我下载了cuda_9.0.176_384.81_linux.run和cuda_10.0.130_410.48_linux.run两个CUDA安装包？

这里有两个需要解释的地方：

1. 我们常见的安装NVIDIA驱动程序的方法，一个是图形界面下，进入到设置-》软件-》附加驱动-》勾上NVIDIA驱动-》应用。另一个是去NVIDIA驱动官网，根据我们的系统和显卡型号下载相应的NVIDIA驱动安装包，然后安装，因为我个人尝试这两种方法多次导致循环登录，进不去系统的情况，所以我采用的方法是，直接用CUDA安装程序中附带的NVIDIA驱动程序安装，实践证明这样子稳定。

2. 由1可知，我通过CUDA安装程序附带的NVIDIA驱动程序安装NVIDIA驱动，请看，我这里下载了cuda_9.0.176_384.81_linux.run和cuda_10.0.130_410.48_linux.run，也就是说，这里面附带了两个NVIDIA的驱动程序，版本是384.81和410.48。请看下图。

   

   也就是说，这里安装410.48的驱动，就可