ubuntu16.04+Geforce GTX1080ti+cuda 8.0+tensorflow 1.4环境配置

工欲善其事，必先利其器

前言

搭建一个可用的深度学习开发平台是入门深度学习的第一步，所以本公众号也将从这里开始。从刚刚学习深度学习的那时候开始，作者就在搭建平台的苦海里遨游，中间换了很多次电脑，所以不停地在搭环境。虽然后面已经轻车熟路，但是过程当中总是有好多细节会忘记，又会重新去找资料。这不，前两天又搭了一次，想着这次一定要把过程写下来。说了这么多，这就开始啦。
写在最前面：作者的环境配置是：ubuntu16.04+Nvidia GTX1080+cuda8.0.作者试过ubuntu18，但是发现还是16.04更为稳定，比较好用，所以推荐不要贪新，选择16.04，幸福一生。

anconda安装

清华源，点击下载下载完毕后，进入文件路径，键入：

bash ./Anaconda3-5.0.0-Linux-x86_64.sh

配置环境：

vim ~/.bashrc

在文件末尾添加：

export PATH="/home/用户名/anaconda3/bin:$PATH"

保存，退出，在键入：

source ~./bashrc

检验一下，在终端中键入：python,看看

显卡篇

软件下载

楼主的显卡是微星 NVIDIA GTX1080ti,显存是11G。选择它的原因是在作者做深度学习项目时，常常由于显存不足而导致batch_size设置比较小，从而导致结果不是太稳定（后续文章中，作者也会推出关于如何在显存有限的情况下训练深度学习模型的文章，敬请关注）。所以本次特地选了一个显存相对较大的显卡。选定显卡之后，我们就要为显卡安装显卡驱动。很多文章建议从系统设置->软件更新->附加驱动->切换到最新的nuvida驱动即可。此法不可，不要贪图这种方便，因为它可能会导致你下载的cuda版本不支持你的驱动，所以作者还是建议从官网上根据自己的cuda版本选择相应的显卡驱动。需要下载的软件：

• 显卡驱动，点击下载,根据系统来选择对应的版本，选择runfile文件即可。
  
• cuda8.0，点击下载我选择的驱动版本是378.09

备注：下载cuda时，下载的名字为cuda_8.0.61_375.26_linux.run,其中375.26是指你的驱动版本必须必这个第，但是也不能太低。安装其他的cuda版本也是一样的道理；ok,到此为止，我们显卡部分的软件下载就完事儿了

安装前准备

下面我们还需要做这些准备工作：
ubuntu自带的nouveau驱动会影响cuda的安装，可能会导致黑屏和循环登入，并且比还不知道为什么会这样。首先，我们在终端运行：

lsmod | grep nouveau

若有输出，则在终端键入：

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

在打开的文件中输入：

blacklist nouveau  
options nouveau modeset=0 

保存后退出，在终端中键入：

sudo update-initramfs -u

重启电脑，在终端中键入：

lsmod | grep nouveau

如果没有输出，就证明成功关闭了nonveau

安装显卡驱动

如果原先装过显卡驱动的话，我们需要先卸载所有显，在终端中键入：

sudo apt-get remove --purge nvidia-*

利用CTRL+ALT+F1进入字符界面，关闭图形界面，然后登入个人账户后键入：

sudo service lightdm stop

安装nvidia驱动，进入驱动文件所在位置，然后键入：

sudo chmod a+x NVIDIA-Linux-x86_64-378.09.run //获取权限
sudo ./NVIDIA-Linux-x86_64-378.09.run –no-x-check –no-nouveau-check –no-opengl-files //安装驱动

在安装的过程中，一直按enter键即可。然后重启并登入，键入:

nvidia-smi

显卡信息如下：

至此，显卡驱动就装完了。

cuda8.0的安装

进入文件所在路径，输入命令：

sudo sh cuda_8.0.61_375.26_linux.run

然后出现的就是一些说明，如果不想看的话，可以按crtl+C跳过，接受之后会问你是否安装驱动，因为我们之前已经安装驱动了，所以这里选择No即可，其余选择yes直至安装结束。
配置环境变量，键入以下命令：

sudo vim ~/.bashrc

在打开的文件末尾添加路径，也就是安装目录，命令如下：

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

接着保存，键入：

source ~./bashrc

重启电脑，我们检验以下，cuda是否安装成功。键入：

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

如果显示了显卡的相关信息，并result=pass，则安装成功，如果失败了，可能是环境未配置好，或者是cuda与驱动版本不兼容。如果需要重新安装cuda，则可通过以下命令：

cd /usr/local/cuda/bin
$ sudo ./uninstall_cuda_8.0.pl

现在，cuda就安装完毕。

cudnn的安装

如果要利用gpu来对tensorflow进行加速，除了安装cuda以外，cudnn也是必须要安装的，与cuda一样，去nvidia的官网下载cuDnn的安装包。我们需要先注册再下载，并且非常依靠网速人品，我下了好多次才下下来啊啊啊啊。但是，办法总是有的，我们可以通过迅雷来下，把下载地址粘贴到迅雷，很快就下下来了，别问我为什么知道，你懂得。。。。。。你会发现，有很多cudnn的版本，如果选择版本不当，在后期安装tensorflow的时候会提醒你缺少某些lib，奉献一张图

所以啊，我们选择了tensorflow1.4+cuda8.0+cudnn6.0，下载完之后，我们解压文件：

tar -xvf cudnn-8.0-linux-x64-v6.1.tgz

安装cuDNN比较简单，解压后把相应的文件拷贝到对应的CUDA目录下即可,键入：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

tensorflow的安装

如果之前有装过tensorflow的话，先要将其卸载，键入：

pip uninstall tensorflow

由于国外的源太不稳定了，所以我们选择清华的源，键入：

pip install \
  -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp36-cp36m-linux_x86_64.whl

等待安装成功即可，最后测试一下，进入python的编译环境，键入：

import tensorflow as tf

如果没有报错，则安装完毕

注意：如果在调用tensorflow的过程当中出现类似于***libcudart.so.8.0:cannot open shared object file:NO such file or directory***的错误有可能是你的cudnn版本和tensorflow版本不一样，不过，如果你按照本文的方法配置，应该不会出现这中错误，如果真的出现了，还有一种原因就是环境环境没有配置好。
以上，就把基本的开发环境配置完毕了，希望大家玩儿的愉快，玩儿的开心。