ubuntu16.04安装cuda9.0和GPU版tensorflow（详细）

安装时各个版本之间一定要匹配！可参考如下版本：

 

1.安装显卡驱动，去官网选择自己合适的显卡

我的电脑适配的显卡是NVIDIA-Linux-x86_64-384.130.run

下载完成后放在home目录下，接着打开终端运行

sudo service lightdm stop

(此时会进入关闭图形界面之后黑屏，此时使用“ctrl+alt+F1”进入命令行界面）

在命令行输入

chmod +x NVIDIA-Linux-x86_64-384.130.run

sudo ./ NVIDIA-Linux-x86_64-384.130.run

(接着会有一系列选项确定安装）

sudo service lightdm start

（返回图形界面）

然后在此处进行修改，选择应用更改选项。

输入nvidia-smi,测试显卡是否安装成功，如果出现这样的结果即表示安装成功了。

2.安装cuda

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

下载安装包后，在终端输入

sudo sh cuda_9.0.176_384.81_linux.run

安装提示接着会有一系列选项，在是否安装Linux-x86_64 361.62驱动，这里必须输入“N”不安装否则， cuda后面的安装都会出错。后面的全部按照默认即可，安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部，终端输入：

echo 'export PATH=/usr/local/cuda-9.0/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc

source ~/.bashrc

sudo reboot

重启后 运行

 

终端输入 nvcc  -V后出现：

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2017 NVIDIA Corporation

Built on Fri_Sep__1_21:08:03_CDT_2017

Cuda compilation tools, release 9.0, V9.0.176

 

说明cuda安装成功。

 

最后测试cuda9.0,在终端执行以下命令：

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

make

./deviceQuery

输出Result = PASS 表示安装成功。

 

3.安装tensorflow-gpu_1.8.0

(安装完测试，即可知道需要哪一个版本的cudnn)

pip install tensorflow-gpu==1.8.0

 

完成后输入

python

import tensorflow as tf

报错提示安装缺少libcudnn.so.7,即意味着需要安装cudnn版本为cudnn7.0

4.安装cudnn

https://developer.nvidia.com/rdp/cudnn-archive

需要注册和登录

选择点开

Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

点开

cuDNN v7.0.5 Library for Linux

下载 得到

cudnn-9.0-linux-x64-v7.tgz

然后在终端运行

$ tar -zxvf cudnn-9.0-linux-x64-v7.tgz

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

$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

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

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

 

接着，重新在终端运行

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

或者

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
————————————————

然后开始安装

    解压 cuDNN 代码

tar -xzvf cudnn-x.x-linux-x64-v8.x.x.x.tgz

 

    将文件复制到 CUDA 路径下（这个路径我并没有直接设置为cuda，好像是默认的cuda-xx.x这样一个文件名，请按自己实际情况自行修改）

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

 

    cd到三个包的下载目录下，然后按照顺序运行：

安装 runtime library:

sudo dpkg -i libcudnn8_x.x.x-1+cudax.x_amd64.deb

  

安装developer library:

sudo dpkg -i libcudnn8-dev_8.x.x.x-1+cudax.x_amd64.deb

  

安装 code samples 和 cuDNN library documentation:

sudo dpkg -i libcudnn8-doc_8.x.x.x-1+cudax.x_amd64.deb

   

    使用例子测试是否安装成功

复制 cuDNN sample到有读写权限的文件夹下：

$ cp -r /usr/src/cudnn_samples_v8/ $HOME

   

cd到复制的mnistcudnn目录下

$ cd  $HOME/cudnn_samples_v8/mnistCUDNN

   

编译mnistCUDNN sample.

$make clean && make

   

运行mnistCUDNN sample.

$ ./mnistCUDNN

   

一番运行后，出现如下信息表明安装成功:

Test passed!

   

参考链接：

    https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#cross-compiling-cudnn-overview
    https://zhuanlan.zhihu.com/p/68544360
————————————————
版权声明：本文为CSDN博主「chch2010523」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/chch2010523/article/details/107929168

版权声明：本文为CSDN博主「知乎商业小管家」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_30069911/article/details/112834113

5.再次进行测试

输入

python

import tensorflow as tf

即可看到tensorflow1.8安装成功！

 

 

 

或者有一种简单的方法，直接在显卡驱动安装好之后，从官网下载anaconda3,因为清华和中科大最近宣布不再提供镜像源，>>>python

可看出python3由annaconda3调用。

>>>conda install tensorflow-gpu==1.8.0会自动在conda环境下安装tensorflow所需要的cuda以及cudnn,比较简单。

 

 

 

2021-4-27

在安装cudatoolkit之后再进行安装tensorflow就成功。
四、测试
1.测试代码

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
print(tf.test.is_gpu_available())

print(tf.__version__)
————————————————
版权声明：本文为CSDN博主「黄小黄i」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43218120/article/details/108447605

CUDA】更改cuda版本后nvcc -V依然显示更改前的版本解决办法
Vincent__Lai 2019-10-01 16:22:08 10369 收藏 15
分类专栏： Python CUDA 深度学习
版权
问题描述

 

 

电脑有两个版本的cuda，一个是cuda-8.0，一个是cuda-9.0，若原版本是cuda-8.0，nvcc -V后会显示：

    nvcc: NVIDIA ® Cuda compiler driver
    Copyright © 2005-2016 NVIDIA Corporation
    Built on Tue_Jan_10_13:22:03_CST_2017
    Cuda compilation tools, release 8.0, V8.0.61

更换cuda的方法很简单，就是修改/usr/local/下cuda的link就好了，代码如下：
sudo ln -s /usr/local/cuda-9.0/  /usr/local/cuda

 

这个时候nvcc -V应该是会显示cuda-9.0，但是问题出现了，依然显示cuda-8.0
解决办法

原因是在于~/.bashrc文件中设置了环境变量，在终端输入sudo gedit ~/.bashrc，会看到下面这两行：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

   

因此无论你怎么修改cuda的link，都会导向cuda-8.0。解决办法也很简单，把上面两行中的cuda-8.0改为cuda就好了，例如：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

   

然后保存文件退出，然后source ~/.bashrc
————————————————
版权声明：本文为CSDN博主「Vincent__Lai」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_38705903/article/details/101850116

 

 

gcc,g++均降级4.8

 

版本不匹配，再多查询一次，例如直接搜索“cuda10.0安装tensorflow"

 

tensorflow官方版本的支持：

确定安装1.13.1的版本

 

 

pip install tensorflow-gpu==1.13.1

版权声明：本文为CSDN博主「Erick_Lv」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_35976351/article/details/89178917