Ubuntu中Tensorflow，GPU，keras深度学习环境搭建（包含CUDA，cuDNN版本选择）

重点！要先做好版本调研，从要安装的Tensorflow版本出发，看需要的CUDA版本，cuDNN版本，在选择CUDA和cuDNN时，查看支持的Ubuntu系统。
1.查看Tensorflow版本及所需CUDA，cuDNN版本

---

[Tensorflow GPU support]
https://tensorflow.google.cn/install/gpu
其中的
Software requirements

---

2.下载CUDA版本，

下载runfile版本，依照图中选择Ubuntu版本
CUDA9.0
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
3.
cuDNN7.4.2
https://developer.nvidia.com/rdp/cudnn-download
4.
依据CUDA版本选择Ubuntu版本

Ubuntu中打开终端
Ctrl+Alt+t

安装python及常用库

sudo apt install python3#安装python3
python3 -V#查看python版本
sudo apt install python3-pip#安装pip
pip3 install numpy#安装numpy
pip3 install sklearn#安装sklearn
pip3 install matplotlib#安装matplotlib
pip3 install pandas#安装pandas

安装spyder环境

安装后打开有问题试试重启终端

pip3 install spyder#安装spyder
pip3 install -U pyqt5
sudo apt-get install ipython3
sudo pip3 install ipython
spyder3#打开spyder

安装jupyter notebook

安装后打开有问题试试重启终端

pip3 install jupyter#安装jupyter
jupyter notebook#打开jupyter

安装其他库

#安装BLAS库
sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev
#安装yaml
sudo apt-get install python3-yaml
#安装h5py
sudo apt-get install libhdf5-serial-dev python3-h5py
#安装Graphviz和pydot-ng
sudo apt-get install graphviz
sudo apt-get install pydot-ng
#安装opencv
sudo apt-get install  python3-opencv

安装Tensorflow GPU依赖

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv # system-wide install

安装NVIDIA驱动

根据安装的显卡和系统下载驱动
https://www.nvidia.cn/Download/index.aspx?lang=cn

参考教程，可不看，下文中都有
https://blog.csdn.net/u014797226/article/details/80229887
https://blog.csdn.net/u014797226/article/details/79626693

禁用第三方驱动

sudo gedit /etc/modprobe.d/blacklist.conf#打开编辑配置文件
#在最后一行添加blacklist nouveau
sudo update-initramfs -u#改好后执行命令
#重启使之生效
reboot

给驱动赋予执行权限

sudo chmod a+x NVIDIA-Linux-x86_64-410.93.run#下载的驱动文件名
sudo ./NVIDIA-Linux-x86_64-410.93.run -no-opengl-files#安装

重启，

reboot

输入命令：

nvidia-smi

如果出现了驱动版本就表示安装成功了

安装CUDA

sudo init 3#远程关闭X服务，默认为init 2
chmod u+x cuda_9.0.176_384.81_linux.run#设置为可执行
sudo ./cuda_9.0.176_384.81_linux.run --override#不安装driver，因为前面已经安装，不安装sample

设置环境变量
安装完成以后，需要把cuda路径添加到当前用户的配置文件里：

sudo gedit ~/.bashrc
#将安装路径添加到文件末尾：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

运行，使其生效

source ~/.bashrc

多用户
在系统的 etc 目录下，有一个 profile 文件，编辑该文件：
$sudogedit/etc/profile在最后边加入需要设置变量的shell语句，例如：exportPATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH该文件编辑保存后，重启系统，变量生效。
该方式添加的变量对所有的用户都有效。
如果使其立即生效： source /etc/profile

nvcc -V #查看版本，验证是否安装成功
#输出：
#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

安装cuDNN

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda9.0_amd64.deb#安装cuDNN
sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda9.0_amd64.deb

安装Tensorflow

sudo pip3 install tensorflow-gpu#安装gpu版tensorflow

测试Tensorflow

#测试tensorflow
#在spyder或终端中python3
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '0'
os.environ["CUDA_VISIBLE_DEVICES"] ='0'
import tensorflow as tf
hello = tf.constant('Hello Tensorflow')
sess = tf.Session()
print(sess.run(hello))

安装keras

sudo pip3 install keras#安装keras

还原显示，重启第三方驱动
打开编辑配置文件： sudo gedit /etc/modprobe.d/blacklist.conf
在最后一行删除：blacklist nouveau
改好后执行命令：sudo update-initramfs -u
重启使之生效：reboot
还原初始化模式
sudo init 2