Ubantu16.04安装Tensorflow-gpu

安装Anaconda（python3.6）

1）更新软件包信息

sudo apt-get update 

2）下载Anaconda

通过网站：https://www.continuum.io/downloads 下载，下载后执行命令：

bash Anaconda3-4.3.1-Linux-x86_64.sh  

安装过程中，基本都是选择yes

最后会询问是否把anaconda的bin添加到用户的环境变量中，选择yes

3）设置默认python版本

在终端输入python发现依然是系统自带的python版本，这是因为.bashrc的更新还没有生效，命令行输入：

source ~/.bashrc

安装显卡驱动（nvidia）

方法1：系统软件更新

系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改

方法2：显卡官网下载安装

1）检查显卡命令，下载和显卡相应驱动

lspci |grep VGA

去http://www.nvidia.com/Download/index.aspx?lang=en-us官网下载合适的.run文件

2）打开终端，先删除旧的驱动：

sudo apt-get purge nvidia*

3）禁用自带的 nouveau nvidia驱动 （important！）

创建一个文件通过命令 

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

并添加如下内容：

blacklist nouveau
options nouveau modeset=0

再更新一下

sudo update-initramfs -u

修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： 

lsmod | grep nouveau

4）重启系统至init 3（文本模式），也可先进入图形桌面再运行init 3进入文本模式，再安装下载的驱动就无问题，

首先我们需要结束x-window的服务，否则驱动将无法正常安装

关闭X-Window，很简单：

sudo service lightdm stop

然后切换到tty1控制台：Ctrl+Alt+F1即可

5）接下来就是最关键的一步了：

sudo ./NVIDIA.run

开始安装，安装过程比较快，根据提示选择即可

最后安装完毕后，重新启动X-Window：

sudo service lightdm start

然后Ctrl+Alt+F7进入图形界面；

如果安装后驱动程序工作不正常，使用下面的命令进行卸载：

sudo sh ~/NVIDIA-Linux-x86_64-367.44.run --uninstall

6）显示显卡驱动安装情况：

nvidia-smi
nvidia-settings

安装Cuda

1）到CUDA官网下载，这里下载的是8.0版本CUDA，然后执行命令安装：

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

除了OpenGL选no，其他一路yes和回车就搞定了。如果报错比如X server is running或者unable to locate the kernel的问题，确保之前提到的准备工作全部做好，绝对不会有问题。

2）安装好CUDA之后，添加环境变量：

sudo vim /etc/profile 
# 添加内容如下：
PATH=/usr/local/cuda-8.0/bin:$PATH   
export PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib  
# 保存退出，使之立即生效
source /etc/profile
# 添加lib库路径
sudo vim /etc/ld.so.conf.d/cuda.conf  
# 添加内容如下：
/usr/local/cuda-8.0/lib64 
# 保存退出，使之立即生效
sudo ldconfig
# 验证安装结果，有服务器信息和cuda版本号即可
nvcc -V

安装cuDNN

1）在cuDNN官网上下载，需要注册，必须下载cuDNN v5.1 Library for Linux版本，执行以下命令：

sudo tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/  
sudo cp include/cudnn.h /usr/local/cuda/include/ 
cd /usr/local/cuda/lib64/  
sudo rm -rf libcudnn.so libcudnn.so.5  
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5  
sudo ln -s libcudnn.so.5 libcudnn.so 

2）然后可以测试CUDA等是否成功配置，编译运行某个sample：

cd /usr/local/cuda/samples
sudo make all -j4
# 全部编译完成之后
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery   # 如果显示有可用的GPU即为成功

安装TensorFlow-gpu

使用pip国内镜像安装

# 直接用pip安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow-gpu==1.1

# 进入python环境测试
import tensorflow as tf
# 如下可以查看tensorflow的版本号和安装路径
tf.__version__
tf.__path__