Ubuntu 16.04 nvidia-384 CUDA9.0 cuDNN7.0.5 Tensorflow1.6.0 anaconda3.5（python3.6）环境搭建

最新推荐文章于 2023-11-11 20:46:09 发布

jieshaoxiansen

最新推荐文章于 2023-11-11 20:46:09 发布

阅读量645

点赞数 2

分类专栏：深度学习 tensorflow 文章标签： Tensorflow 深度学习环境搭建

本文链接：https://blog.csdn.net/jieshaoxiansen/article/details/81915485

版权

深度学习同时被 2 个专栏收录

24 篇文章 2 订阅

订阅专栏

tensorflow

4 篇文章 0 订阅

订阅专栏

经历了一系列吐血的安装之后，总算是找到了一个比较好的安装方法，主要就是搭建基于Ubuntu 16.04 下的 tensorflow环境的搭建，本博客参考：https://cuiqingcai.com/5822.html

笔者这两天尝试了许多种安装搭建tensorflow的方法，网上绝大多数的博客写的都是误人子弟，根本没有必要搭建一个tensorflow-gpu的虚拟环境，没有太多参考价值，直到尝试了上面的链接方法，才总算搭建成功。为了搭建这个环境，自己重装了4次linux系统，下面是自己的一些安装流程,仅供小白参考，大神就绕道啦。。。。

第一步：装好Ubuntu 16.04系统

Ubuntu 16.04的安装还是非常容易的，我在自己的服务器上面是采用UEFI的安装方式，具体安装过程，自行百度，还是很简单的。

第二步：安装anaconda3

直接在anaconda官网下载最新版本的anconda3-5.2.0，对应的python版本是3.6，这里注意tensorflow1.4.0以上就已经支持Python3.6了，笔者当时安装的python3.5，然后安装tensorflow1.7.0，在使用tensorflow时，就会提示你python版本过低，最后不得不重新安装python3.6，导致最后的tensorflow也要重新安装。安装的anaconda如下图。

安装过程：

下载下来之后目录下会出现一个 Anaconda3-5.2.0-Linux-x86_64.sh 文件，然后直接在终端执行即可安装：

$ bash Anaconda3-5.2.0-Linux-x86_64.sh

执行完毕之后按照默认设置走下来即可完成安装。

这里会默认安装到用户目录下，直接安装到默认用户下即可，后面会有一句问你是否要添加到~/.bashrc，这里要选择y，即添加路径。

当然你也可以自己手动添加路径到bashrc中，具体步骤：

$ gedit ~/.bashrc
#打开 bashrc，并添加环境变量
$ export PATH="/home/njust/anaconda3/bin:$PATH"
#最后用source ~/.bashrc，保存结果
$ source ~/.bashrc

接下来我们验证下 python3的指令是否来自anaconda3里面：具体指令如下：

最后的tensorflow我将采用pip来进行安装，首先你得保证使用的pip指令是在anaconda3里面的，可以通过

$ pip -V

来查看你的pip命令是否来自anaconda3，如我的电脑指令，以及pip的路径

此时，python3.6就安装成功了。

第三步：安装驱动

首先查看一下自己的电脑需要怎样的驱动，我们可以先到nvidia官网查看一下，根据自己的显卡型号来进行查看：NVIDIA驱动，

比如我的GTX1080ti的驱动查询如下：

看上面的版本型号，我当时想直接下载390的版本，但是在我安装的时候一直安装失败，所以我就直接安装384的版本。

注：目前大部分安装的都是384的版本，比较稳定，推荐大家安装。

一定要记住版本号：如我所选择的是Verson：384.13，那么到时候的安装指令就是：

$ sudo apt-get install nvidia-384

安装过程：该驱动安装必须要先关闭桌面显示管理器

1)接下来如果我们之前安装了驱动的话，可以重新安装一下，如果当前已经安装好了就不必了。

如果要重装，需要先卸载掉之前的显卡驱动：

$ sudo apt-get remove –purge nvidia*

2）ubuntu16.04开机后，按住ctrl+alt+F1,进入tty界面，首先登录自己的电脑用户名及密码（此时小键盘不可用）

3）登陆后，关闭桌面显示管理器；

$ sudo service lightdm stop

4）使用ppa源进行安装，安装方便，成功率高：

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

5）选择之前选择的合适的驱动版本，安装N卡：

$ sudo apt-get install nvidia-384(具体看个人电脑推荐)

6）等安装完毕重启一下电脑，敲入指令重启：

$ sudo reboot

注：想从无桌面显示中回到带有桌面显示的界面，可以敲入指令：

$ sudo service lightdm start

若不行，先起敲入指令关闭，再敲入打开指令即可

7)重启后正常进入带有桌面显示管理器的界面，查看n卡安装情况:

$ nvidia-smi

如果有显卡信息显示出来，则表示成功，我的1080ti的显示为:

第四步：cuda9.0安装

1）安装前先检查一下自己电脑是否已经安装好gcc：

$ sudo apt-get install build-essential

装好后，运行下面该指令能够看到gcc的版本信息，就说明成功

$ gcc -V

注：cuda9.0支持ubuntu16.04自带的gcc，即5.4版本，cuda8.0并不支持5.4版的gcc，如果你安装的是cuda8.0，还必须得降级。

2）确定有cuda使用的GPU ，可使用下面命:

$ lspci | grep -i nvidia

得到入下图：

如果存在旧版本，可以选择先卸载，以免和新的CUDA版本产生冲突，在/usr/local/cuda/bin目录下有一个uninstallcuda*.pl文件，可以直接运行卸载，命令如下：

$ sudo ./uninstall_cuda_*.pl

这样即可将 CUDA 全部卸载。

接下来我们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容 CUDA 9.1，所以不要下载 9.1，Tensorflow 1.4即以下只支持CUDA8.0的版本，并且不支持cuDNNv5.1.

3）CUDA 9.0 的下载地址是：https://developer.nvidia.com/cuda-90-download-archive，，然后依次勾选好系统的版本，如图所示：

这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，然后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。这里我只介绍.run格式的安装方法。

对应的下载命令是：

$ wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

4）接下来执行安装，运行如下命令：

$ sudo bash cuda_9.0.176_384.81_linux-run

5)安装过程需要输入一些确认选项，过程如下：(很重要)

安装时，先出来版本信息，通过按“空格”与“回车键”，阅读安装的证书内容，接着会提示你安装相应的驱动：

按q键竟然可以跳过阅读的证书内容，输入accept接受；

Description
 
The NVIDIA CUDA Toolkit provides command-line and graphical
tools for building, debugging and optimizing the performance
Do you accept the previously read EULA?
accept/decline/quit: accept
 
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n
 
Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
 
Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]: 
 
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
 
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y
 
Enter CUDA Samples Location
 [ default is /home/cqc ]: 
 
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

最后如果出现这样的提示，就证明 CUDA 安装好了：

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-9.0
Samples:  Installed in /home/cqc, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-9.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

6)然后我们需要配置一下环境变量，更改 ~/.bashrc 文件，打开指令：

$ gedit ~/.bashrc

在最后添加如下几行：

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

修改完毕之后执行一下使其生效：

$ source ~/.bashrc

7)这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了：

$ echo $CUDA_HOME
/usr/local/cuda
$ echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64

这样就代表环境变量生效了，CUDA 安装完成。

8）测试cuda的Sample例子

$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了。

如下图是部分截图：

第五步：cuDNN7.0.5（7.0,7.1均可）

这里cuDNN版本不能是v7以下的，cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化。

1，接下来我们来看下它的安装方式。

下载链接：https://developer.nvidia.com/rdp/cudnn-download

这里需要你去注册一个账号才能下载，目前我看到的版本已经更新到最新的7.2了，不过不推荐大家安装最新的，一般最新的版本兼容性都不太好，这也是我为啥不安装的原因，吐血的经历。。。

如图，选择往期的版本，这里得根据自己的型号来进行选择：

2）下载下来之后解压安装，以及配置软连接如下所示：

$ tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件)

第六步：Tensorflow 1.6.0的安装

1)到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.0 就已经安装好了，而且环境变量也配置好了，接下来我们直接安装 TensorFlow 1.6 即可，TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 做了优化，可以预构建二进制文件。

注意：这里不推荐大家通过在anaconda3里面先构建虚拟环境（tensorflow-gpu），在虚拟环境中安装Tensorflow，我当时构建虚拟环境后要来回的切换，特别麻烦，而且比如使用jupyter notebook就必须在虚拟环境中下载一下，但是使用的时候总是莫名其妙的错误，笔者尝试了诸多版本CUDA8.0，cudnn6.0以及5.1，以及cuda9.0，cudnn7.0都是同样的错误，百度谷歌如果，才不安装虚拟环境的。

这里需要安装的是 TensorFlow 的 GPU 版本，直接使用如下命令即可：

$ pip install tensorflow-gpu==1.6.0
#注意：如果这里不加==1.6.0，会直接安装最新版本的1.9.0，大家知道最新版的兼容性一般都不太好，所以并不推荐大家安装。
#安装完之后验证一下：
#进入python环境
$ python
#在python里面执行
$ import tensorflow

笔者在执行导入Tensorflow时，会报如下的错误：

经过查询可以得知：包内出错，是h5py包

解决办法，是对它进行升级：

查看原来包的版本，可以通过指令 conda list 找到h5py,发现它是 2.7.1版本

通过指令升级：

$ pip install h5py==2.8.0rc1

下载完后，再重新import导入tensorflow，就不会出错了。

笔者在导入 import cv2会提示：ImportError: No module named cv2 报错处理，

这是因为你的anaconda3里面并没有opencv这个包，这通过安装opencv库解决不了。

最简单的就是通过指令：

$ pip install opencv-python

2)顺便把keras也装一下：

$ pip install keras

装好之后，在python环境下 import keras，如果出现这个就说明成功了：

至此，所有的环境就搭建完成了。

环境如下：Ubuntu 16.04 GTX1080ti驱动 CUDA9.0 cuDNN7.0 anaconda3（python3.6） Tensorflow 1.6

jieshaoxiansen

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
Ubuntu 16.04 nvidia-384 CUDA9.0 cuDNN7.0.5 Tensorflow1.6.0 anaconda3.5（python3.6）环境搭建

经历了一系列吐血的安装之后，总算是找到了一个比较好的安装方法，主要就是搭建基于Ubuntu 16.04 下的 tensorflow环境的搭建，本博客参考：https://cuiqingcai.com/5822.html笔者这两天尝试了许多种安装搭建tensorflow的方法，网上绝大多数的博客写的都是误人子弟，根本没有必要搭建一个tensorflow-gpu的虚拟环境，没有太多参考价值，直到尝...
复制链接

扫一扫