Ubuntu 18.04安装tensorflow with GPU suport

安装环境：

• CPU：Intel® Pentium(R) CPU G4400 @ 3.30GHz × 2
• GPU：GTX 1060
• RAM：8G
• OS：Ubuntu 18.04 64-bit

1. 安装NVIDIA驱动

• 下载（地址）显卡驱动

这里选择了GTX 1060当前最新版410驱动。

• 安装依赖项：

$ sudo dpkg --add-architecture i386
$ sudo apt update
$ sudo apt install build-essential libc6:i386

• 禁用Nouveau driver

$ sudo bash -c echo "blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"
$ sudo bash -c echo "options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"

确认是否禁用成功：

$ cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf
blacklist nouveau
options nouveau modeset=0

• 更新kernel initramfs

$ sudo update-initramfs -u

• 重启系统

$ sudo reboot

• 进入runlevel 3模式

$ sudo telinit 3

如果没有进入一个新的会话提示你输入用户名的话，按CTRL+ALT+F1打开新的tty会话，输入相应的用户名和密码。

• 安装nvidia驱动

sh ./NVIDIA-Linux-x86_64-410.78.run

可能会有如下错误提示：

The distribution-provided pre-install script failed!
Are you sure you want to continue? -> CONTINUE INSTALLATION
Would you like to run the nvidia-xconfig utility? -> YES 

忽略提示，继续安装。

如果提示：

WARNING: Unable to find suitable destination to install 32-bit compatibility libraries

说明系统缺少32位的兼容库，退出当前driver的安装，执行：

$ sudo dpkg --add-architecture i386
$ sudo apt update
$ sudo apt install libc6:i386

重新安装驱动即可。

安装完成后重启系统，在NVIDIA X Server Settings中即可看到你安装的驱动。

2. 安装CUDA Toolkit 9.0

• 下载（地址）CUDA Toolkit 9.0：

选择对应的平台，和安装方式，这里我选择runfile(local)。

下载得到一个base installer：cuda_9.0.176_384.81_linux.run

和四个patch文件：cuda_9.0.176.1_linux.run，cuda_9.0.176.2_linux.run，cuda_9.0.176.3_linux.run，cuda_9.0.176.4_linux.run

• gcc/g++版本降级：

ubuntu18.04默认的gcc，g++版本不满足安装需求，因此需要降级。

安装gcc/g++ 4.8：

$ sudo apt-get install gcc-4.8
$ sudo apt-get install g++-4.8

配置：

$ cd /usr/bin
/usr/bin$ ls -l gcc*
lrwxrwxrwx 1 root root      7 11月 17 14:24 gcc -> gcc-7

可以看到当前gcc链接到了gcc-7（不同系统会稍有不同）

更改链接：

$ sudo mv gcc gcc.bak 
$ sudo ln -s gcc-4.8 gcc
$ sudo mv g++ g++.bak
$ sudo ln -s g++-4.8 g++

确认版本号为4.8:

$ gcc -v
$ g++ -v

• 安装CUDA Toolkit

切到CUDA Toolkit安装包所在目录下，执行：

$ sudo sh cuda_9.0.176_384.81_linux.run --override

一路按空格键到

-----------------
Do you accept the previously read EULA?
accept/decline/quit:

键入accept

按照提示一步一步安装，注意提示是否安装显卡驱动是选择no。

设置环境变量：

$ sudo vi ~/.bashrc

将下面两条命令添加到bashrc中：

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

使其生效：

$ source ~/.bashrc

按顺序依次安装patch：

$ sudo sh cuda_9.0.176.1_linux.run

-----------------
Do you accept the previously read EULA?
accept/decline/quit:

键入accept

同样的操作安装所有的patch。

如需卸载CUDA Toolkit 9.0，执行

/usr/local/cuda-9.0/bin

目录下的卸载脚本。

至此CUDA Toolkit 9.0安装完成。

3. 安装cuDNN

下载cuDNN(>=7.2)

下载地址

需要注册nvidia，tensorflow要求cnDNN版本大于7.2，这里选择对应于CUDA 9.0的cuDNN7.4，下载相应的.tgz文件。

切到下载cnDNN的目录，解压库包：

$ tar -xzvf cudnn-9.0-linux-x64-v7.4.1.5.tgz

拷贝相应的文件到CUDA目录，并设置相应的权限。

$ 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 /usr/local/cuda/lib64/libcudnn*

4. 安装Tensorflow

• 安装python开发环境

检查当前环境是否满足要求(python>=3.4)：

$ python3 --version
$ pip3 --version
$ virtualenv --version

安装Python,  pip package manager,  Virtualenv.

$ sudo apt update
$ sudo apt install python3-dev python3-pip
$ sudo pip3 install -U virtualenv 

• 创建一个虚拟开发环境

创建一个新的与系统隔离的环境(笔者选择的是home目录下)：

$ virtualenv --system-site-packages -p python3 ./venv

激活环境：

$ source ~/venv/bin/activate 

激活成功后shell提示符前会有(venv)

在虚拟环境中安装相关包文件：

(venv) $ pip install --upgrade pip

(venv) $ pip list 

• 安装最新版Tensorflow pip包

(venv) $ pip install --upgrade tensorflow

安装过程中如果出现失败的错误提示可以多试几次，跟网络有一定关系。

注意：

tensorflow>=1.6的版本会用AVX指令集加速，因此一些老的cpu可能不支持。可以安装1.5版本的tensorflow

(venv) $ pip install tensorflow==1.6

卸载tensorflow：

(venv) $ pip uninstall tensorflow-gpu