Ubuntu16.04下配置tensorflow-gpu深度学习环境经验记录

    本人作为从今年1月份才刚开始在虚拟机上接触ubuntu系统的菜鸟，终于也成功总结出了ubuntu下怎么配置深度学习tensorflow环境的一套方法。看了不下几十篇前人的博客，希望这一份经验能有所帮助。其中nvidia驱动部分可以说是最烦的，本人在三台电脑（一台13年买的已经被淘汰的GT650M的神舟笔记本（旧电脑），一台联想R720 GTX1050，一台GTX1080主机）上试过，不过记录的不太全。

1       安装NVIDIA驱动：

第一种方法：系统自带 软件和更新 安装

(在联想R720 1050版和13年旧电脑上都试过，可行)

1、系统设置—>软件和更新—>附加驱动—>选择最新的nvidia驱动进行安装，安装完重启（系统会提示） 

       

图1

2、重启后终端输入nvidia-smi ，输出nvidia显卡信息（图2）

输入 nvidia-settings，显示驱动界面（图3）。

则表示驱动安装成功                                   

图2

图3

注：这种方法安装完后，把系统自动更新关闭，不然系统自动更新后会使nvidia驱动失效

 

第二种方法：添加官方ppa源

联想R720 1050 成功，1080未试

参考：https://blog.csdn.net/jasonzhangoo/article/details/54866049

1、终端输入 sudo add-apt-repositoryppa:graphics-drivers/ppa

需要输入密码并按enter键确认

2、终端输入 sudo apt-get update

3、终端输入 sudo apt-get install nvidia-384nvidia-settings nvidia-prime 进行安装

4、安装完成后终端输入 nvidia-smi ，会输出如图2所示的界面

                 终端输入nvidia-settings ，查看驱动界面，我这里显示不全

5、重启电脑，再次输入 nvidia-settings 查看驱动界面，显示完全(如图3)，表示安装驱动成功

第三种方法：nvidia官网下载最新驱动，自己安装

（GTX1080上成功，

     GTX1050的联想R720 failed : login all the time without -no-opengl-files   and      nvidia-settings error occurs with -no-opengl-files   when bash NVIDIA***.run  ）

 

      先卸载之前安装的驱动  sudo apt-get remove –purgenvidia*     未安装过忽视

         1，NVIDIA官网根据显卡型号下载对应驱动

               https://www.geforce.cn/drivers

         2，禁用nouveau，可看⑤2

         3，apt  install linux-source

             apt install linux-headers-x.x.x-x-generic

      4，ctrl+alt+F1进入命令行模式

      5，sudo service lightdm stop

      6,   cd 到驱动文件目录，sudo sh./NVIDIA-Linux-x86_64-xxx.xx.run （注意：此时gcc版本需要5.0）

~~~~~~~~~~~~~~~~~~~以下转载自下一行的网页~~~~~~~~~~~~~~~~~~~~~~

         https://blog.csdn.net/stories_untold/article/details/78521925

安装过程中一些选项（有一些问题记不清楚了，只给出需要选择的选项：）：
The distribution-provided pre-install script failed! Are you sure you want tocontinue? 选择 yes 继续。
Would you like to register the kernel module souces with DKMS? This will allowDKMS to automatically build a new module, if you install a different kernellater?  选择 No 继续。
问题没记住，选项是：install without signing
问题大概是：Nvidia's 32-bit compatibility libraries? 选择 No 继续。
Would you like to run the nvidia-xconfigutility to automatically update your xconfiguration so that the NVIDIA x driver will be used when you restart x? Anypre-existing x confile will be backed up.  选择 Yes 继续

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

     7，sudo service lightdm start 回到图形界面

②gcc降级（从系统自带的5降到4，因为cuda8.0不支持5以上的gcc版本）：

参考 https://www.cnblogs.com/in4ight/p/6626708.html  

1、终端输入 sudo apt-get install gcc-4.8

2、终端输入 gcc --version 查看当前默认版本（还是5）

3、终端输入 sudo update-alternatives --install /usr/bin/gcc gcc/usr/bin/gcc-4.8 100

       或者  cd 到/usr/bin/ ，终端输入 sudo rm gcc （删除当前链接到gcc-5的软链接）

                               再输入   sudo  ln -s   gcc-4.8  gcc （创建链接到gcc-4.8的软链接）

4、终端输入 gcc --version 查看当前默认版本（已变成4.8）

③g++降级（原理同gcc完全一致，将③中的全部gcc换成g++即可）

 

④为当前核安装kernel headers和developmentpackages： 

（若显卡驱动选择第三种方式安装，则可跳过这一步）

1、 终端输入 sudo apt-get install linux-headers-$(uname -r) 

（可能无效果，结果显示升级0个软件包，新安装0个软件包，要卸载0个软件包，有0个软件包未被升级）   

                                                      

 

⑤安装cuda（runfile installation）（网上有的说要装run，有的要说deb，但是用我们用run成功了，就装run吧）：

参考 https://blog.csdn.net/ZWX2445205419/article/details/69429518

1、 进入https://developer.nvidia.com/cuda-toolkit-archive  ，选择cuda8.0 GA1或GA2（不清楚GA1和GA2的关系），根据系统信息下载（GA1和GA2都可以，亲测）

2、 输入 lsmod | grep nouveau 查看 nouveau驱动是否被加载，如果有信息输入，则安装参考网址进行禁用nouveau

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

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

写入blacklist nouveau

          optionsnouveau modeset=0

 保存退出

   sudo update-initramfs -u

3、 将cuda安装文件放在没有中文的目录中，

4、 按住ctrl+alt+F1 进入命令行模式（屏幕上只有黑底白字的模式）

5、 输入用户名+密码后，输入sudo service lightdm stop 以停止X服务（貌似很重要）

6、cd 到cuda安装文件的目录，输入sudo sh cuda_8.0.61_375.26_linux.run（GA2）

7、除了graphics driver （驱动已经安装好了）和cuda8.0 sample 选择n之外，其他都选y图

8、输入sudo service lightdm start 返回图形界面（即平常的桌面）

9、在系统环境里设置CUDA路径：输入 gedit ~/.bashrc  在文本的最后加入这三行：

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH

export CUDA_HOME=/usr/local/cuda-8.0

export PATH=/usr/local/cuda-8.0/bin:$PATH

10、 终端输入 source ~/.bashrc

⑥安装cudnn

1、解压cudnn5.1（对应cuda8.0的版本）压缩包，

2、cd 到解压的cuda/include中，终端输入sudo cp cudnn.h  /usr/local/cuda/include/

3、cd 到解压的cuda/lib64中，终端输入sudo cp libcudnn*   /usr/local/cuda/lib64/

4、终端输入 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* 

⑦ 安装 anaconda3

1、cd到 anaconda3的目录 ，输入 bash Anaconda3-5.1.0-Linux-x86_64.sh

（安装过程中允许installer在系统环境内写入PATH ）

2、       安装完成后，gedit ~/.bashrc  看一下最后有没有anaconda的路径，没有的话  自己加入  export PATH=/home/<此处为用户名>/anaconda3/bin:$PATH

3、      终端输入 source ~/.bashrc

⑧ 建立Anaconda虚拟环境
（faster rcnn tensorflow 是在python2.7下写的，这里建立python2.7的环境）

1、新打开个终端， 输入conda create -n py27(这是虚拟环境的名字) python=2.7

2、输入source activate py27 以激活虚拟环境

⑨安装tensorflow-gpu

1、 先下载好tensorflow-gpu-1.2版本（从清华镜像下载）

2、 激活虚拟环境后，输入 pip install tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

3、 进入python，import tensorflow，未报错即安装成功 

参考:  https://blog.csdn.net/stories_untold/article/details/78521925

         https://blog.csdn.net/cosmoshua/article/details/76644029

        https://blog.csdn.net/tina_ttl/article/details/51762471#6%E5%88%A9%E7%94%A8docker%E5%AE%89%E8%A3%85tensorflow

         https://blog.csdn.net/ZWX2445205419/article/details/69429518

         https://blog.csdn.net/jasonzhangoo/article/details/54866049

        https://www.tensorflow.org/get_started/(科学上网)