ubuntu16.04下tensorflow_gpu环境搭建

参考链接：

主参考：ubuntu16.04安装tensorflow-gpu-1.7.1-cuda 9.0+cudnn v7.1+Anaconda3

辅助参考：ubuntu16.04下安装CUDA，cuDNN及tensorflow-gpu

---

这里系统各项环境为：ubuntu16.04系统，显卡为GTX1080.装的是9.0的CUDA+7.1的CUDNN

开始安装步骤前，需要先确认自己电脑配置：

1.查看显卡（确认你有一个可用CUDA的GPU）：$lspci | grep -i nvidia

可以在NVIDIA官网查看自己的GPU是否支持CUDA，下面图箭头是我用的GTX1080，查看支持的GPU地址

2.确认操作系统版本支持CUDA

去官网查看自己的操作系统支持的CUDA版本。CUDA网址

3.查证你是否安装了gcc：$ gcc --version

4.验证kernel headers和development packages

# 查看核
$ uname -r
# 为当前核安装kernel headers和development packages
$ sudo apt-get install linux-headers-$(uname -r)

我因为没有走第4步，导致安装NVIDIA驱动时出现了问题（正式安装中的1.3中安装命令时），不过系统自动对kernel进行处理，自行解决了。

---

接下来开始正式安装：

第一步：安装NVIDIA驱动

卸载原有驱动：$sudo apt-get remove --purge nvidia*

1.1禁止nouveau驱动启动

编辑文件/etc/modprobe.d/blacklist.conf，使用下面的命令用gedit编辑器打开conf文件

$sudo gedit /etc/modprobe.d/blacklist.conf

在下方添加内容：

blacklist nouveau

保存后退出

执行更新：$sudo update-initramfs -u

重启系统：$reboot

确认是否禁止成功：$lsmod | grep nouveau 没有输出则成功

1.2检查gcc版本

安装nvidia390需要gcc5.4及以上，否则会失败，我这里时5.4，就没升级。

检查gcc版本：$gcc --version

若版本过低则升级gcc：

$sudo apt-get install gcc-5 $sudo apt-get install g++-5

$cd /usr/bin    进入/usr/bin文件夹下 $sudo rm -r gcc  移除之前的软连接 $sudo ln -sf gcc-5 gcc 建立gcc5的软连接 $sudo rm -r g++  同gcc $sudo ln -sf g++-5 g++

$gcc --version 检查gcc是否升级成功

1.3驱动安装

去官网：链接查看自己的GPU对应的驱动并下载

下载完毕后进行下列步骤：

关闭图形界面：$sudo service lightdm stop

切换到控制台：Ctrl+Alt+F1

进入驱动所在目录，赋予文件可执行权限：$sudo chmod a+x NVIDIA-Linux-x86_64-390.77.run

安装：$sudo ./NVIDIA-Linux-x86_64-390.77.run -no-opengl-files -no-x-check -no-nouveau-check

安装完成后，打开图形界面：$sudo service lightdm start

切换回图形界面：Ctrl+Alt+F7

重启：$reboot

查看驱动是否安装成功：$nvidia-smi 若出现驱动信息则安装成功

注意：有时候没有预期结果，重启后重新查看

---

第二步：安装CUDA

2.1安装cuda

赋予操作权限：$sudo chmod a+x cuda_9.0.176_384.81_linux.run

安装：$ sudo ./cuda_9.0.176_384.81_linux.run

询问是否安装nvidia驱动时选n，其他均选y

这一步可能会出现磁盘空间不足的问题，若出现，则进行如下操作：

$sudo mkdir ***         #找一个空间够的盘，建立路径

$sudo sh cuda_9.0.176_384.81_linux.run --tmpdir=***

2.1补充：我安装CUDA并未按照2.1安装，因为我下载CUDA是下面的图：

按照官方指南，依次输入下面的命令：

这四条命令完成后，接着走2.2即可。

2.2环境配置

配置CUDA环境变量：$sudo gedit ~/.bashrc

在文件最后加入下面两行并保存：

export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

使配置生效：$source ~/.bashrc

2.3测试

检查CUDA是否安装成功：

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

$sudo make

$./deviceQuery

若出现显卡信息且看到最后一行Result = PASS，则安装成功。

注意：初次不成功的话，可以输入nvidia-smi查看显卡，可能此时会报错，重启后则正差，再次测试则成功。

---

第三步.CUDNN安装

进入文件目录，解压：$tar zxvf cudnn-9.0-linux-x64-v7.1.tgz

进入解压文件夹：$cd cuda

复制头文件：$sudo cp ./include/cudnn.h /usr/local/cuda/include/

复制库文件：$sudo cp ./lib64/libcudnn* /usr/local/cuda/lib64/

然后命令进入lib64文件夹路径：$cd /usr/local/cuda/lib64/

 

删除原有动态文件：$sudo rm -rf libcudnn.so libcudnn.so.7

生成软链接：$sudo ln -s libcudnn.so.7.1.4 libcudnn.so.7

$sudo ln -s libcudnn.so.7 libcudnn.so

 

将路径/usr/local/cuda/lib64添加到动态库：

输入：$sudo gedit /etc/ld.so.conf.d/cuda.conf

添加文字/usr/local/cuda/lib64

保存退出

使链接生效：$sudo ldconfig

验证安装是否成功：$nvcc -V

若出现cuda版本信息则表示安装成功

 

补充：这里用的是tgz文件，官方下载的可能是deb格式

第四步：Anaconda安装

进入文件目录，赋予执行权限：$sudo chmod a+x Anaconda3-5.2.0-Linux-x86_64.sh

安装：$sudo bash Anaconda3-5.2.0-Linux-x86_64.sh

更新环境变量：$source ~/.bashrc

输入python，出现Anaconda的信息则安装完成

第五步：tensorflow-gpu安装

使用conda命令或者anaconda图形化界面安装tensorflow-gpu即可。