Ubuntu16下的ThensorFlow环境配置（GPU加速）

TensorFlow（后面简称tf）是由Google开发的可以实现机器学习算法的接口，同时也是执行机器学习算法的框架，由tf建立的大规模深度学习模型更是已经在语音识别、自然语言理解、计算机视觉方面等领域取得了广泛的应用。
深度学习方法已经在好多领域取得了突破性的进展，AlphaGo的一鸣惊人便是一个惊人的案例，现如今深度学习是火的一塌糊涂啊，好多人开始致力于深度学习方法在各个领域的研究。本人是一名苦逼的研究僧，也紧跟着“时代的潮流”，研究基于深度学习方法的图像分类，为此有幸接触了深度学习框架tf（之前使用matconvnet框架，也可以交流心得，见上一篇博文），本人的理想不大，就是希望所有博客不要坑大家，可以真正帮助别人，所以这里我把学习tf的最开始的准备阶段–环境的搭建来给大家介绍一下。
这里我们搭配的环境是基于ubuntu16系统的，在此系统下讲解GPU加速的tf环境配置方法，显卡是GTX1070，因此环境是基于GTX1070来配置的。
一、准备阶段：
Ubuntu16（64位）的安装自己上网查找吧，很简单；在环境配置开始前可以先把显卡驱动装上，去NVDIA官网下载对应版本的显卡驱动即可，我用的是360安全浏览器，有时候在选择完对应版本的驱动后，点击“同意并下载”界面后可能会出现一堆乱码，此时只需将该链接复制，换一个下载工具即可。

显卡驱动的安装可以参照下面的链接（灰常感谢这位博主）：
http://blog.csdn.net/tianrolin/article/details/52830422
现在可以讲解环境的搭建了，首先我们需要下载一些环境搭建需要的软件：
1.CUDA Toolkit 8.0
CUDA是NVDIA推出的使用GPU资源进行通用计算的SDK，目前的tf对cuda的支持较好，而且tf的GPU加速支持需要CUDA Toolkit 8.0，所以先下载：
官网：https://developer.nvidia.com/cuda-downloads
版本选择如下图：

我下载的文件名为：cuda_8.0.61_375.26_linux.run
2.cuDNN v5.1
cudnn 是NVIDIA推出的深度学习中CNN和RNN高度优化的实现，tf需要的版本的cudnn v5.1，下载cudnn需要注册账号，很好注册，注册完以后进入下载界面，选择如下的cudnn版本：
版本选择如下图：

cudnn官网：https://developer.nvidia.com/cudnn
我下载的文件名为：cudnn-8.0-linux-x64-v5.1.tgz
3.Anaconda
anaconda是python的科学计算发行版，集成了python的数百个经常使用的库，可以很方便的编写调试python程序，因此我们用anaconda作为tf的开发环境。
首先下载linux版本的python3.5版本的anaconda–Anaconda3-4.2.0-Linux-x86_64.sh
官网下载地址：https://repo.continuum.io/archive/index.html
准备阶段完毕，下面是环境搭建所需的各个部件的安装。
二、环境搭建各个部件的安装：(最好按照我写的顺序安装)
1.Anaconda的安装
anaconda的安装相对简单，找到存储文件的路径，然后在ubuntu的终端中输入：

bash Anaconda3-4.2.0-Linux-x86_64.sh 

看到提示后，先按回车–然后按Q健跳过License文档的说明–输入“yes”确认安装
过程如下图：

重点：最后会有一个提示我们是否把anaconda3的biary路径加入到.bashrc,需要添加，如下图，这样我们的python程序就默认为用anaconda的python3.5环境了（因为我们想用anaconda编译tf的程序，所以这步很重要）

2.cuda8.0的安装
cuda8.0的安装有点复杂，需要下面几步：
（1）暂停NVIDIA的X server，否则直接按照下面的步骤安装会出现安装失败，提示你X server没有关闭。
在终端中输入：

sudo init 3

之后会发现屏幕换成了串点，这时可以直接点击Ctrl+Alt+F1进入命令行模式。
（2）进入命令行后，会让你输入系统的名称与密码，输入即可，此时会进入命令行的编辑模式（类似终端），找到cuda所在的文件夹，在命令行输入下面的语句，设置安装包的权限：

sudo chmod u+x cuda_8.0.61_375.26_linux.run

接下来输入下面的语句，安装cuda：

sudo sh cuda_8.0.61_375.26_linux.run

按照默认步骤来就行，先是accept，之后都选择yes，但是最后会提示Install the CUDA 8.0 Samples？这个选择no即可。（因为我们只是调用cuda，不写cuda代码）
（3）之后我们重启图形界面模式：在命令行输入下面的语句即可：

sudo service lightdm start

3.cudnn的安装
cudnn就是直接解压放到cuda的安装目录下即可，cuda默认安装在/usr/local目录下，因此我们可以直接在终端输入：

sudo tar -xzvf ~/Downloads/cudnn-8.0-linux-x64-v5.1.tgz

这样cudnn安装完成。
4.在系统的环境里设置CUDA的路径
就是找到.bashrc文件，输入下面的路径即可：

5.安装GPU版本的tf
这个就直接用pip安装即可，安装之前最好是先升级一下anaconda自带的pip安装包，如果不升级，会出现下图问题：

升级语句：

pip install --upgrade pip

升级成功后的提示也在上图中，接下来只需在终端输入下面的语句即可安装tf：

pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp34-cp34m-linux_x86_64.whl

安装完成后出现如下界面：

三、之后就是tf是否安装的验证了，打开anaconda，输入下面的程序：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

出现如下界面说明安装成功。

GPU加速的验证没有写，读者自行验证吧。

到此，ubuntu系统下的tf的GPU版本的环境配置完成了，参考了书上的步骤，总结了自己遇到的一些坑，希望能够帮助看到博客的大家，有问题我们可以一起交流，写的不对的地方还请批评指正。