Ubuntu16.04上配置Tensorflow-gpu+CUDA+CuDnn完全指南，一篇就够了

一、安装Anaconda

1.在Anaconda官网（或清华镜像站）：
   https://www.anaconda.com/download/#linux
   下载Anaconda3对应的python版本，目前最新的是python3.7版本 .
2.下载好anaconda后在下载目录执行命令：  

bash Anaconda3-5.3.0-Linux-x86_64.sh      //自己下载的版本

3.接下来的安装提示按回车进入下一步，按q跳过License文档，最后输入yes确认
   接下来让我们输入安装路径，没特殊情况直接回车默认路径就好
4.安装完成后程序提示我们是否把Anaconda3的binary路径加入到.bashrc，建议添加，这样以后python和ipython命令就会自动使 用 anaconda Python3.6环境了

source ~/.bashrc    //让版本生效
python --version

二、安装Nvidia driver

  1.查看显卡型号

sudo lshw -numeric -C display

    去http://www.nvidia.com/Download/index.aspx 搜索你的显卡需要的驱动型号

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390   //自己的版本
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

 2.执行完上述后，重启：

 sudo reboot

  重启之后可以在dash中搜索到NVIDIA X Server

nvidia-smi

  如果出现了你的GPU列表，则说明驱动安装成功了。

 3.但是我在重启之后遇到了循环登录问题，Ctrl+Alt+F1进入tty1卸载了驱动，才可以登录进桌面。

sudo apt-get remove purge nvidia*

    参考https://blog.csdn.net/Gavinmiaoc/article/details/79748689禁用Nouveau，再在tty1下重新执行了

sudo apt-get install nvidia-390

   并设置了secure boot 密码，在重启之后的蓝色屏幕界面进入change secure boot state，这时就要根据提示输入刚刚设置的密码的相应位数，以disable secure boot来使得第三方驱动生效。设置完成后选择boot，进入系统登录，问题解决。

三、安装CUDA

1.从这里下载cuda的安装文件https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

    选择9.0版本下载

sudo sh cuda_9.0.176_384.81_linux.run

 因为驱动之前已经安装，这里就不要选择安装驱动。其余的都直接默认或者选择是即可。
 使用：

sudo gedit /etc/profile

  打开“profile”文件，在末尾处添加（注意不要有空格，不然会报错):

export PATH=/usr/local/cuda-9.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH 重启电脑：

sudo reboot

 安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

   保存退出，运行

source ~/.bashrc

2.测试cuda的Samples

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuerysudo make./deviceQuery

  如果显示的是一些关于GPU的信息，则说明安装成功了。

 安装好啦，可以在dash中搜索到了

四、安装cudnn

 我们先从官网下载与我们安装的CUDA-9.0版本对应的cuDNN v7.3.1
 需要先注册NVIDIA账号

  到cuDNN安装目录解压命令（注意版本号自行改成自己的）：

 

sudo tar -xzvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

 再设置系统环境,把解压的cuDNN文件夹里include和lib64文件夹里的文件复制到对应的/usr/local/cuda-9.0对应的文 件夹里，注意先到相应目录确定文件名后再执行

$ sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include 
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64 
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

驱动部分安装完成后可以执行以下命令检验驱动是否安装成功

nvidia-smi

五、安装Tensorflow

  1.用Anaconda创建虚拟环境

conda create -n tensorflow Python=3.6
conda activate tensorflow 

 2.安装tensorflow-gpu1.8

pip install tensorflow-gpu==1.8.0

  3.测试

python
import tensorflow as tf 
hello = tf.constant('Hello, TensorFlow!') 
sess = tf.Session() #在该步会显示电脑的显卡信息 
print(sess.run(hello)) 
Hello, TensorFlow! 
a = tf.constant(10) 
b = tf.constant(32) 
print(sess.run(a + b)) 
#42