ubuntu16+python3.7+tensorflow-gpu安装过程

安装情况

配置一台ubuntu16的命令行服务器，无脑conda安装tensorflow-gpu后，测试时我只是import tensorflow，看没有问题就没继续管了。结果后来发现服务器无法启动gpu跑模型，本文记录下崎岖的解决问题的过程。

出现错误

在我用conda和pip移除了所有tensorflow依赖以后，验证gpu时出现以下错误：

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version

当时傻傻的准备卸载1.14改装1.13，后来证明依然不行

判定我的CUDA版本有问题（这里花费了不少时间在弄服务器的网）
本机cuda9 cudnn7.1.3
我的tensorflow版本是1.14.0，找不到与cuda对应关系

tensorflowgpu与各个版本需要的CUDA版本以及Cudnn的对应关系如上表

这里基本确定自己是要更新cuda了

列计划

干货
给了我很大启发，我很多步骤都是从此来的。
我直接从安装cuda10.0开始操作

这里第二步有个是需要自己填写的

cd /var
ls -a

看到cuda-repo的文件夹，把名字拷贝过来代替version即可

cuda安装问题

1 dpkg的问题

W: Failed to fetch http://cn.archive.ubuntu.com/ubuntu/dists/precise/InRelease  

W: Failed to fetch http://cn.archive.ubuntu.com/ubuntu/dists/precise-updates/InRelease  

W: Failed to fetch http://cn.archive.ubuntu.com/ubuntu/dists/precise-backports/InRelease 

这里是因为当时我用迅雷下载东西导致网速变慢，连不上ubuntu服务器了

-----------------------(这里有误，大家看看就好)-----------------------------------------------------------------------------------------------
后来添加阿里云的ubuntu源和dns

sudo gedit /etc/apt/sources.list

deb http://mirrors.aliyun.com/ubuntu/ raring main restricted universe multiverse  
deb http://mirrors.aliyun.com/ubuntu/ raring-security main restricted universe multiverse  
deb http://mirrors.aliyun.com/ubuntu/ raring-updates main restricted universe multiverse  
deb http://mirrors.aliyun.com/ubuntu/ raring-proposed main restricted universe multiverse  
deb http://mirrors.aliyun.com/ubuntu/ raring-backports main restricted universe multiverse  
deb-src http://mirrors.aliyun.com/ubuntu/ raring main restricted universe multiverse  
deb-src http://mirrors.aliyun.com/ubuntu/ raring-security main restricted universe multiverse  
deb-src http://mirrors.aliyun.com/ubuntu/ raring-updates main restricted universe multiverse  
deb-src http://mirrors.aliyun.com/ubuntu/ raring-proposed main restricted universe multiverse  
deb-src http://mirrors.aliyun.com/ubuntu/ raring-backports main restricted universe multiverse  

sudo vi /etc/resolv.conf

#阿里云的DNS服务器
nameserver 223.5.5.5  
nameserver 223.6.6.6

结果更加悲剧，出现找不到指定源的问题。

E: Failed to fetch http://mirrors.aliyun.com/ubuntu/dists/raring/main/source/Sources  404  Not Found

-------------------------------------（雾）-------------------------------------------------------------------------------------------------------------
后来我关了迅雷后，把所有东西恢复，即可安装。
期间出现了

/sbin/ldconfig.real: /usr/local/lib is not a known library type

的问题，事实证明不影响后面的结果，我就没管。

2 安装包的问题
期间由于自己的愚昧，把系统版本记成18了 结果先下载了18的cuda10.0
后来重新下载16的cuda后，dpkg时出现了

dpkg: error processing archive xxx.deb (--unpack):
 trying to overwrite 'xxx', which is also in packagexxx

左思右想，明明把之前的解压包删除了，但还是出这个错，最后莽夫做法，直接强制安装，解决问题，命令如下：

sudo dpkg -i --force-overwrite xxx.deb

重启系统

shutdown -r now 立刻重启(root用户使用)

cudnn

安装比较正常。

tensorflow-gpu

最后没有用conda，而是用pip解决问题

pip install tensorflow-gpu==1.13.1

结果出现了一屏幕红字

最后更新pip

 pip install --upgrade pip

再安装就没问题了

验证

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

后续（一周后）

使用tensorflow1.13跑网络时，会莫名出现错误

ValueError: None values not supported.

发现是在算梯度时出现的错误
上网查到的解决办法都不能解决我的错误（参考链接）

/Users/laox1ao/anaconda/lib/python2.7/site-packages/keras/engine/training.pyc in _make_train_function(self)
    988                     training_updates = self.optimizer.get_updates(
    989                         params=self._collected_trainable_weights,
--> 990                         loss=self.total_loss)
    991                 updates = self.updates + training_updates
    992                 # Gets loss and metrics. Updates weights at each call.

是由于网络存在ops的梯度为None，导致图的梯度流断裂（disconnected），检查发现是keras.backend.switch操作在以tensorflow为backend的情况下无法计算梯度，tf.gradients()返回结果为None

做了些对比实验，发现同样的数据源和同样的代码tensorflow1.14和1.12都不会报错，推测可能是该版本没有对这个场景做特殊处理。

于是着手安装1.14
经过无数弯路，最终安装了cuda10.1+tensorflow-gpu1.14.0
证实结果可行。

结论

别贪图简单就用conda安装tensorflow-gpu
首先应该搞清楚cuda版本再确定tensorflow版本
其次pip更加靠谱一些
最后再次感谢博主指路！ 链接

纪念啥都没干，光配置环境的一天