一、 Ubuntu 自带 Python 安装
1. Python 配置
（1）准备工作
首先，查看 Python 版本
python --version
记下版本号，因为后续有可能要自主选择安装包。
而后查看pip的版本。python3.4+之后的版本通常会自带pip，这里我们只是为一种可能性进行演示。
pip --version
如果pip版本过旧，可以使用如下进行更新；
pip install -U pip #出现问题可使用 sudo easy_install --upgrade pip
（2）安装 Tensorflow (CPU 版)
下面是 CPU 版 Tensorflow 的安装方式
pip3 install tensorflow
（2）安装Tensorflow（Nvidia GPU版）
1）前置准备
查看自己的显卡型号
打开 ubuntu 自带的软件 Software & Updates 选择 Additional Drivers （如下图所示）
可以从上图中看到显卡型号为 NVIDIA GeForce GT 730
到NVIDIA 官网下载相对应的显卡驱动
在相应选项里填上自己显卡的信息，然后点击 搜索
点击 下载
即可下载显卡驱动
禁用nouveau
ubuntu 默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。
编辑文件blacklist.conf：
sudo gedit /etc/modprobe.d/blacklist.conf
在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
更新系统
sudo update-initramfs -u
重启系统（一定要重启）
重启之后电脑可能无法启动图形界面，此时需按 CTRL + ALT + F1 进入命令行界面，输入自己的用户名和密码即可登录（此时还是命令行界面）。
验证nouveau是否已禁用
lsmod | grep nouveau
没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。
安装lightdm
继续在命令行界面中输入
sudo apt-get install lightdm
安装后会跳出一个界面，选择lightdm
然后重启：reboot
重启登录后按CTRL + ALT + F1 进入命令行界面
输入用户名和密码登录后输入：
sudo service lightdm stop //这个是关闭图形界面，不执行会出错。
然后卸载掉原有驱动（如果装过的话）：
sudo apt-get remove nvidia-* （若安装过其他版本或其他方式安装过驱动执行此项）
安装 gcc & make
sudo apt-get install gcc
sudo apt-get install make
安装 NVIDIA 驱动
进入文件下载的名录
给驱动 run 文件赋予执行权限：
sudo chmod a+x NVIDIA-Linux-x86_64-450.80.02.run
安装：
sudo ./NVIDIA-Linux-x86_64-450.80.02.run -no-x-check -no-nouveau-check //只有禁用opengl这样安装才不会出现循环登陆的问题
-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
安装过程出现 ：
"There appears to already be a driver … "
选择 Continue Installation
“… alternate method of installing the NVIDIA driver was detected. (This is usually … )”
选择 Continue Installation
“Nvidia’s 32-bit compatibility libraries?”
选择 No
“Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up.”
选择 Yes
安装完毕
挂载Nvidia驱动：
modprobe nvidia
检查驱动是否安装成功:
nvidia-smi
如果出现如下提示，则说明安装成功：
开启图形界面，重启
sudo service lightdm start
sudo reboot
ubuntu 安装 cuda 11
1 . 下载安装文件
首先去 英伟达官网 下载 cura11 安装。
2 . 安装 cuda
进入存放 cuda 的目录
执行如下命令：
sudo chmod +x cuda_11.0.2_450.51.05_linux.run
sudo ./cuda_11.0.2_450.51.05_linux.run
输入管理员密码后稍等片刻，可能出现如下提示：
选择 Continue
然后出现如下提示：
按 “q”退出阅读条款
输入：accept
出现如下提示：
按 “回车” 取消选择第一项 Driver
按方向 “下” 选择 Install
安装完成后会出现如下提示：
3 . 设置环境变量
打开主目录下的 .bashrc文件
gedit ~/.bashrc
添加如下路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64
export PATH=$PATH:/usr/local/cuda-11.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.0
更新环境变量
source ~/.bashrc
检查 cuda 是否安装成功：
nvcc --version
如果出现下面的文字就说明成功了
ubuntu 安装 cudnn 11
1 . 下载安装文件
首先去 英伟达官网 下载 cudnn 安装。
进入存放 “cudnn-11.0-linux-x64-v8.0.4.30.tgz” 的目录
执行如下命令：
tar -zxvf cudnn-11.0-linux-x64-v8.0.4.30.tgz
2 . 安装 cudnn
执行如下命令：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
2）安装
安装显卡版本的必须要前面的安装步骤:
sudo apt-get install python3-pip
pip3 install tensorflow-gpu
如果失败，去官网下载包，然后手动安装
sudo pip3 install tensorflow....whl
如果 pip 下载速度比较慢可以使用以下方法：
cd ~/.pip
如果不存在.pip则创建目录
mkdir ~/.pip
cd ~/.pip
touch pip.conf
sudo gedit ~/.pip/pip.conf
在pip.conf中写入如下内容：即
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
二、 Anaconda 配置 （代替系统 Python）
1. 安装 Anaconda
下载页面
清华源下载页面
进入存放 Anaconda3 的目录
执行如下命令：
chmod +x Anaconda3-2020.07-Linux-x86_64.sh
./Anaconda3-2020.07-Linux-x86_64.sh
安装时出现如下提示：
按“回车”之后 提示如下：
输入 yes 之后 提示如下：
继续“回车”之后会有一段安装过程，安装完成提示如下：
输入 yes 之后 即可安装成功，提示如下：
安装结束后修改环境变量
gedit ~/.bashrc
export PATH="/home/XXX/anaconda3/bin:$PATH" // 将 XXX 改为当前用户名
source ~/.bashrc
2. 安装 Tensorflow
安装CPU版本
conda install tensorflow
安装GPU版本
conda install tensorflow-gpu
安装过程会有如下提示：
输入 y 回车，即可完成安装
3. 安装 Jupyter notebook
Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。
Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。
安装方法：
conda install jupyter notebook
打开方法：
jupyter notebook
三、 远程访问服务器Jupyter Notebook的两种方法
方法1. ssh远程使用jupyter notebook
1 . 在远程服务器上，启动jupyter notebooks服务：
jupyter notebook --no-browser --port=8889
2 . 在本地终端中启动SSH：
ssh -N -f -L localhost:8888:localhost:8889 username@serverIP
其中： -N 告诉SSH没有命令要被远程执行； -f 告诉SSH在后台执行； -L 是指定port forwarding的配置，远端端口是8889，本地的端口号的8888。
注意：username@serverIP替换成服务器的对应账号。
最后打开浏览器，访问：http://localhost:8888/
方法2. 利用jupyter notebook自带的远程访问功能
1 . 生成默认配置文件
默认情况下，配置文件 ~/.jupyter/jupyter_notebook_config.py 并不存在，需要自行创建。使用下列命令生成配置文件：
jupyter notebook --generate-config
2 . 生成密码sha1值
开启远程访问的话意味着你的 Jupyter Notebook 服务会暴露在公网中，所以为了安全我们需要设置一下页面密码。
在 Jupyter 的配置文件中要填写的并不是密码的明文，而是想要设置密码的sha1值。在这里我们使用 ipython 的 passwd 库来生成密码的 sha1 值。
输入 ipython ，进入 ipython 的交互界面，然后依次输入及其输出如下，按输出说明填写密码：
In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:xxxx # 这个是自己输入的密码，后面要用这个登录
Verify password:xxxx
Out[2]: 'sha1:xxxxxxxxxxxxxxxxx'
把 out[2] 的内容复制下来备用
3 . 修改配置文件
gedit ~/.jupyter/jupyter_notebook_config.py
将如下几项内容去除注释后修改值如下并保存：
# 服务ip地址，0.0.0.0代表绑定到本机所有的ip上
c.NotebookApp.ip='0.0.0.0'
# 密码设置，前面的u是表示对单引号内的内容不转义
c.NotebookApp.password = u'sha:ce...刚才复制的那个out[2]的内容'
# 启动时是否打开本地浏览器，我们远程访问的话自然不需要
c.NotebookApp.open_browser = False
# 工作端口
c.NotebookApp.port =8888 #随便指定一个端口
４．启动服务
在想要工作的目录下输入 jupyter notebook 即可启动服务，但这样的前台服务在 ssh 断开后也会中断。若是想要保持其运行状态的话，可以用 screen 命令将其挂在后台运行。
# 新建一个 screen 窗口，若报错则可能需先安装 screen
screen -S jupyter
# 启动 jupyter notebook 服务
jupyter notebook
之后同时按下键盘上的 Ctrl+a+d 键即可将当前 screen 窗口挂到后台，这样即使 ssh 连接断开了也不会导致服务中断。
在服务启动后用浏览器访问 http://你的服务ip地址:你的端口 即可打开 Jupyter Notebook 的密码页面，输入前面设置的密码（即Enter password那里的输入）后就可以跟本地一样正常使用。
参考链接：
Ubuntu 20.04 LTS 安装Tensorflow
Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）
Ubuntu: pip源更换为国内源
如何查看已安装的tensorflow的版本和位置
远程访问服务器Jupyter Notebook的两种方法
扫一扫
651
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
