ubuntu16.04deeplearning环境搭建

当前，大多神经网络计算库兼容cuda8.0, 执行以下步骤将建立一个ubuntu16.04+cuda8.0环境

1. 下载安装文件

从官方网站下载ubuntu16.04 操作系统iso文件

2.刻录可引导USB盘

利用rufus.exe将iso安装映像刻成一个可引导USB盘。刻录时最好选择DD方式。rufus是一个免费软件。

3. 将USB插入需要安装的计算机，开机，按住F12,选择USB启动，根据提示安装

4. 完成后进入系统，sudo swd root，更改root密码

5.安装NVIDIA显卡

 sudo apt-get purge nvidia*

 sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update 

sudo apt-get install nvidia-390 nvidia-settings

（注：nvidia-390是驱动程序版本号，可以根据需要更改成nvidia-???)

安装完毕后重启电脑，运行nvidia-smi，查看生效的显卡驱动

6. 下载cuda8.0

 在nvidia网站下载安装包，链接： CUDA Toolkit Archive  页面选择CUDA8

7.安装cuda8

e Installation Instructions:

`sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb` `sudo apt-get update` `sudo apt-get install cuda`

patch installation:

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cub-performance-update_8.0.61-1_amd64.deb
sudo apt-get update  
sudo apt-get upgrade cuda

（现在可以开始建立虚拟环境，把以下设置放在虚拟环境中。如果同一台服务器安装多种版本的cuda,可能通过虚拟环境来管理）


在/ .shrc中设置环境变量 

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

运行 source ~/.hrc 使其生效

 8.安装cudnn

cudnn6.0和cuda8.0兼容最好，在: https://developer.nvidia.com/rdp/cudnn-download 下载cudnn6.0

 cd /usr/local/cuda
1.  Install Runtime library
sudo dpkg -i $(runtime library deb)
 
2.  Install developer library
sudo dpkg -i $(developer library deb)
 
3.  Install code samples and user guide
sudo dpkg -i $(document library deb)

以下是运行结果：

Selecting previously unselected package libcudnn6-dev.

(Reading datae ... 193070 files and directories currently installed.)

Preparing to unpack .../libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb ...

Unpacking libcudnn6-dev (6.0.21-1+cuda8.0) ...

Setting up libcudnn6-dev (6.0.21-1+cuda8.0) ...

update-alternatives: using /usr/include/x86_64-linux-gnu/cudnn_v6.h to provide /usr/include/cudnn.h (libcudnn) in auto mode

9.测试cuda环境

cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery

./deviceQuery

10.建立虚拟环境

Install pip and virtualenv for Ubuntu 16.04LTS Maverick and newer,输入下面命令

$ sudo apt-get install python-pip python-dev build-essential 
$ sudo pip install --upgrade pip 
$ sudo pip install --upgrade virtualenv 

virtualenv -p /usr/bin/python3.5 lungct

在activate文件增加PATH和LD_LIBRARY_PATH变量

注：tensorflow-gpu==1.3和cuda7.5兼容，tensorflow==1.5和cuda9.0兼容，如果安装tensorflow==1.5, 系统没有安装cuda9.0, import时将报错。

最后配置：

nvidia-384

cuda8.0 

cudnn6.0

python3.5

tensorflow==1.3

numpy==1.14.5(这是可以接受的最大版本号）

附注：利用Xserver访问服务器方法：Xquartx2.7.11 , ssh -X user@server

在python 测试GPU的可用性：

import  tensorflow as tf

sess  =  tf.Session(config = tf.ConfigProto(log_device_placement = True ))

如果列出GPU则可用。