ubuntu 16.04搭建深度学习环境

ubutu16.04 搭建深度学习环境

1.安装anaconda集成开发环境

• 内置python丰富的库
• 安装方便

anaconda官网下载完离线安装更快，版本对应如下，自行选择

个人建议 anaconda3.5.1 – python3.6 – cuda9.0 – cudnn 7.0

python	anaconda
2*(系列）	2.7
3.4.0-3.4.2	3.5
3.5.0-3.5.2	3.6
3.5.3；3.7	3.7

安装命令： bash Anaconda3-5.2.0-Linux-x86_64.sh（或自己的安装文件名）
安装后记得加入环境变量

1.vim ~/.bashrc
2.i 进入编辑模式，在文件结尾加入你的anaconda安装目录
export PATH=/home/*/anaconda3/bin:$PATH
3.source ~/.bashrc

2.Cuda 以及 Cudnn 安装（GPU需安装，CPU跳过）

• 专用GPU运算工具
• 深度神经网络计算加速

python-tensorflow-gpu-cuda-cudnn版本对应如下

python	tensorflow-gpu	cuda	cudnn
2.7 3.3-3.6	1.0.0-1.2.0	8	5.1
2.7 3.3-3.6	1.3.0-1.4.0	8	6
2.7 3.3-3.6	1.5.0-1.11.0	9	7

下载网址为：（如何选择下面有提示）

Cuda:
(https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal)
Cudnn:
(https://developer.nvidia.com/rdp/cudnn-archive)

cuda的版本一般按照下图选择，也可选deb(local)，后续安装命令不同而已

• 安装命令为：sudo sh cudaname*.run
• 安装过程询问是否安装驱动，点no,其余yes
• 安装完成，添加环境变量：

1.vim编辑打开：vim ~/.bashrc
2.i 进入编辑状态，将光标移至最后一行，添加以下内容
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3.source ~/.bashrc

• 成功后测试如下图，如错误卸载重装。
  

2.2 cudnn 下载安装（即将解压目录移至cuda-9.0下）

一定要与cuda版本相一致，如cuda9.0对应cudnn7.0.5，如下图

• 建议下载压缩包，不建议下载.deb文件
• 下载的其实是个.solitairetheme8压缩包，需要先解压缩：tar -xzvf cudnnname**
• 安装即是将目录下文件移至你的cuda安装文件中：

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*

• 安装测试成功如下图，命令cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  

至此cuda cudnn都已安装完成

查看cuda cudnn版本信息：
cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3.tensorflow-gpu安装

按照对应版本下载tensorflow-gpu版本，下载网址如下
下载版本链接https://pypi.org/project/tensorflow-gpu/1.10.0/#files
python 3.6 对应为cp36,如下图选择

• 在下载的文件同级目录下安装即可 pip install tensorflow-gpu==1.10.0
• 进入python中，查看是否安装成功
  import tensorflow as tf
tf.__version__

深度学习环境搭建结束，有问题欢迎交流！