【ubuntu】【tensorflow】ubuntu18.04下GeForce940显卡tensorflow gpu版本环境搭建

环境：ubuntu18.04，GeForce940M

1.安装显卡驱动

    检查自己电脑的gpu是否CUDA-capable

lspci | grep -i nvidia
输出：NVIDIA Corporation GM108M [GeForce 940M] (rev a2)

    禁用nouveau并重启

lsmod | grep nouveau

如果有输出说明nouveau正在加载

打开禁用列表

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

在打开文本的最后一行添加：

blacklist nouveau

options nouveau modeset=0

更新，重启

sudo update-initramfs -u

reboot

再次查看是否禁用nouveau

lsmod | grep nouveau

重点：

1.首先删除旧的NVIDIA驱动：

sudo apt-get purge nvidia-*

2.添加Graphic Drivers PPA

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

3.寻找驱动版本

ubuntu-drivers devices

4.安装好 最新的驱动

sudo apt-get install nvidia-396

或

sudo apt-get install nvidia autoinstall

5.重启

reboot

6.挂载nvidia驱动

nvidia modprobe nvidia

 7.查看驱动的安装状态

sudo nvidia-smi

8.打开nvidi驱动设置程序

sudo nvidia-settings

9.在终端输入命令，实时查看GPU的使用情况：

watch -n 1 nvidia-smi

10.到Ubuntu18.04系统的“软件和更新” 选择相应的附加驱动

2.安装cuda、cudnn

准备

CUDA9.0下载地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

cuda_9.0.176_384.81_linux.run

cuda_9.0.176.1_linux.run

cuda_9.0.176.2_linux.run

cuda_9.0.176.3_linux.run

cuda_9.0.176.4_linux.run

cudnn7.05 for 9.0下载地址   https://developer.nvidia.com/rdp/cudnn-archive

cudnn-9.0-linux-x64-v7.tgz

libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb

libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb

libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb

安装

下载完所有文件就可以开始安装了，因为CUDA 9.0仅支持GCC 6.0及以下版本，Ubuntu18.04gcc,g++版本较高，所有先要替换成低版本的gcc，g++:

1.安装4.8版本

sudo apt-get install gcc-4.8

sudo apt-get install g++-4.8

2.cd到/usr/bin目录下，将它改为链接到gcc-4.8

cd /usr/bin

ls -l gcc*

sudo mv gcc gcc.bak

sudo ln -s gcc-4.8 gcc

 对g++进行同样的操作

ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

查看版本：

gcc --version
g++ --version

3、安装其依赖的库：

sudo apt-get install python-pip python-dev

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

 3.安装cuda9.0

sudo sh cuda_9.0.176_384.81_linux.run

sudo sh cuda_9.0.176.1_linux.run

sudo sh cuda_9.0.176.2_linux.run

sudo sh cuda_9.0.176.3_linux.run

sudo sh cuda_9.0.176.4_linux.run

一直按回车键安装，碰到是否安装Driver选择否（因为之前已经安装）

4.添加环境变量,修改配置

sudo gedit ~/.bashrc

export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export  PATH=${CUDA_HOME}/bin:${PATH}

4、测试：

安装Freeimage

在我们验证cuDNN之前，我们必须首先安装freeimage lilbray作为ministCUDNN示例代码的依赖关系。否则，会有提示要求我们正确设置Freeimage。

sudo apt-get install libfreeimage3 libfreeimage-dev

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

sudo make

./deviceQuery

 

7.安装cudnn

解压cudnn-9.0-linux-x64-v7.tgz

把相应文件复制到/usr/local/cuda/  CUDA安装文件夹里，

tar -xzvf cudnn-9.0-linux-x64-v7.tgz

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   /usr/local/cuda/lib64/libcudnn*

sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb

sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb

sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb

测试

cp -r /usr/src/cudnn_samples_v7/ $HOME

cd $HOME/cudnn_samples_v7/mnistCUDNN

make clean && make

./mnistCUDNN

安装tensorflow-gpu版本

安装tersorflow-gpu版本：

Python 2.7版本：pip install --upgrade tensorflow-gpu
Python 3.x版本：pip3 install --upgrade tensorflow-gpu

经过这一步骤之后，tensorflow就安装完成了。

如果安装速度慢，且没法fanqiang的话，可以使用清华的源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

测试

随便一个位置创建一个py文件，输入以下文件

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果输出

Hello, TensorFlow!

就好了！下面是我的运行结果。