【深度学习】Ubuntu下CUDA+ cuDNN + TensorFlow/TensorLayer 深度学习环境搭建

概述

搭建步骤同Windows平台，包括：

1. 确定安装各组件的版本，保证其相互之间能正常工作；
2. 修改conda和pip的默认镜像网站；
3. 安装最新版Anaconda，并使用其创建虚拟环境；
4. 安装CUDA和cuDNN；
5. 安装TensorFlow（GPU版）和TensorLayer。

以上如果有不明白的地方，请参看我的前一篇博客：【深度学习】windows 10下CUDA+ cuDNN + MXNet/TensorFlow/TensorLayer 深度学习环境搭建

本次安装的环境为（服务器为Ubuntu 14.04）：
Ubuntu 14.04 python 3.6 + CUDA 8.0 + cuDNN 6.0 + Tensorflow-gpu 1.4 + Tensorlayer 1.4

安装Anaconda并创建环境

Anaconda安装过程这里不再赘述，安装完成之后配置环境变量。

创建虚拟环境，可参见我的另一篇博客：【Python】浅谈Python虚拟环境virtualenv

conda create -n tensor python=3.6 anaconda

创建的虚拟环境存储在~/anaconda/envs目录，即Anaconda安装目录下的envs文件夹中。

安装CUDA和cuDNN

下载安装CUDA

首先下载安装CUDA，我的版本如下：

我这里下载的是runfile类型，直接按照官网提示安装即可，如下：

输入上述命令后，就是阅读一长串的协议。注意协议开头的位置给出了CUDA的默认安装位置。

按回车键到协议最后，选择同意EULA（accept）,不安装driver installation （no）。若不使用默认安装位置，也在这里更改。如下图：

下载安装cuDNN

下载对应CUDA版本的cuDNN（点击这里下载），红线标出的是我需要的版本。

解压下载的压缩包，将得到一个cuda文件夹，里面包含include和lib64两个目录，将其中的文件拷贝至CUDA安装目录的include和lib64即可。

配置环境变量：

export PATH=$HOME/cuda8/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda8/lib64/

安装TensorFlow和TensorLayer

激活创建的虚拟环境，安装：

检查安装结果

TensorFlow官网给出了检查方法：

我们来试一试：

成功！！！