Ubuntu18.04安装tensorflow-gpu1.15.0配置环境

1、Ubuntu18.04下anaconda对应版本的下载与安装

anaconda3下载链接(清华镜像源)：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

我这里下载了Anaconda3-5.2.0-Linux-x86_64.sh

安装：
在对应文件夹打开终端（文件夹不同自行修改）

cd Downloads/

输入（版本不同自行修改版本号）：

bash Anaconda3-5.2.0-Linux-x86_64.sh

一路点击yes，安装完成！

关于anaconda的一些指令（知识补充）(安装不必执行)
1、查看anaconda版本

conda --version

2、升级所有包

conda upgrade --all 

3、查看所有环境

conda env list

4、删除包

pip uninstall requests
或
conda remove requests

5、创建新环境

conda create -n 环境名 python=3.6   

6、激活环境

source activate 环境名

7、查看所有包

conda list

8、安装指定版本包

pip install 包==版本

9、删除环境

conda env remove -n env_name

2、pycharm安装

pycharm添加快捷方式：博客链接

3、配置tensorflow-gpu1.15的环境

1、创建新环境

conda create -n tensorflow_env python=3.6   

2、激活新建的环境
linux下指令：

source activate tensorflow_env

Windows下指令：

conda activate tensorflow_env

3、由于pip和conda的本来源下载库慢，所以这里推荐先换个源

conda换源：链接

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

conda换源初始源

conda config --remove-key channels

pip指令下载包临时换源

pip install xxx -i https://pypi.douban.com/simple

以下是我搭建tensorflow1.15.0运行代码需要的所有库：（根据跑代码所需库自己搭建）

先安装TensorFlow-gpu1.15.0前面的所有库：

pip install absl_py==0.8.1 -i https://pypi.douban.com/simple
pip install imageio==2.6.1 -i https://pypi.douban.com/simple
pip install matplotlib==3.0.3 -i https://pypi.douban.com/simple
pip install monty==3.0.2 -i https://pypi.douban.com/simple
pip install numpy==1.16.2 -i https://pypi.douban.com/simple
pip install Pillow==6.2.1 -i https://pypi.douban.com/simple
pip install scikit_learn==0.20.4 -i https://pypi.douban.com/simple
pip install scipy==1.2.1 -i https://pypi.douban.com/simple
pip install dm_sonnet==1.35 -i https://pypi.douban.com/simple

这里TensorFlow-gpu1.15.0的安装有点难，安装之前需要安装cuda和cudnn

4、安装cuda和cudnn

本机系统配置为Ubuntu18.04+CUDA10.0，显卡信息为NVIDIA TITAN Xp

安装cuda

以下是安装cuda前的准备工作：
1、查看系统是否存在cuda
输入nvcc -V查看是不是有cuda工具包，查找不到则没有

2.安装Nvidia显卡驱动
查看本机显卡能够配置的驱动信息：

ubuntu-drivers devices

3、安装推荐的显卡驱动（没有安装自行安装）

sudo ubuntu-drivers autoinstall

4、安装完成后，重启电脑

sudo reboot

5、查看是否安装完成

nvidia-smi

以下是cuda安装过程：
1、下载cuda安装包，cuda下载链接：链接
下载的内容包括一个主安装程序，和几个补丁包，把它们都下载

2、运行下载的文件（如果文件名不同，自行修改文件名）

sudo sh cuda_10.0.130_410_68_linux.run

accept、yes一路安装

接着安装补丁（也是.run文件，只有几兆几十兆）：

sudo sh 补丁名

3、安装完成后，写入环境，用下面指令打开文件

sudo gedit ~/.bashrc

打开文件后，在文件后面添加：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

再source一下

source ~/.bashrc

4、安装完成，查看cuda版本

nvcc -V

5、测试是否暗转成功（可选，运行需要一定时间）
上面的选项选择安装了CUDA例子，运行其中一个来测试是否安装成功：

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

推荐参考安装链接：
链接1
链接2

安装cudnn

1、下载文件，cudnn下载链接：https://developer.nvidia.com/rdp/cudnn-archive
2、转换格式和解压
我们从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8，想要解压的话需要先转成tgz格式再解压：

cp  cudnn-10.0-linux-x64-v7.3.1.20.solitairetheme8 cudnn-10.0-linux-x64-v7.3.1.20.tgz
tar -xvf cudnn-10.0-linux-x64-v7.3.1.20.tgz

3、解压下载的文件，可以看到cuda文件夹，在当前目录打开终端，执行如下命令：

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*

4、查看cudnn版本，终端输入：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果出现下图所示版本信息，说明安装成功。

推荐安装参考博客链接：
链接1
链接2
链接3

5、其他

（1）查看pgu占用情况
实时查看，1表示每隔一秒，可以修改：

watch -n 1 nvidia-smi

静态查看：

nvidia-smi

（2）查看cuda版本

cat /usr/local/cuda/version.txt

nvcc -V

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

（3）Python指定gpu跑代码

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'      # 使用 GPU 0
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'    # 使用 GPU 0，1

终端上跑代码：

CUDA_VISIBLE_DEVICES=0   python  your_file.py
# 可用的形式如下：
# CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
# CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
# CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional
# CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked

# CUDA_VISIBLE_DEVICES=""          No GPU will be visible

（4）查看Ubuntu下Python是否在gpu上跑，还是在cpu上：博客链接

6、安装tensorflow-gpu1.15.0

cuda和cudnn安装完成之后，在终端输入：

pip install tensorflow_gpu==1.15.0 -i https://pypi.douban.com/simple

安装剩下没安装的库：

pip install tensorflow_probability==0.8.0 -i https://pypi.douban.com/simple
pip install tensorflow_datasets==1.3.0 -i https://pypi.douban.com/simple