Ubuntu搭建tensorflow-gpu版环境

1. 安装显卡驱动
2. 安装cuda 10.1.2
   cuda官网 :cuda-10.1
   根据官网上的安装过程安装

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin

sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb

sudo apt-key add /var/cuda-repo-10-1-local-10.1.243-418.87.00/7fa2af80.pub

sudo apt-get update

sudo apt-get -y install cuda

安装完成后设置环境变量, 在终端输入

sudo gedit ~/.bashrc

在文件中最后一行添加

export PATH=/usr/local/cuda-10.1/bin\${PATH:+:\${PATH}}

测试安装是否成功(需要较长时间):

cd /usr/local/cuda-10.1/samples
sudo make

编译完成后继续输入

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果显示“Result = PASS”表示安装成功, 本人是重启完系统后才显示“Result = PASS”的.

3. 安装cuDNN
cudnn:cudnn
cudnn下载是需要登录的,注册一个账号,再下载.

选择 cuDNN Library for Linux下载

解压cudnn

tar zxvf cudnn-10.1-linux-x64-v7.6.3.30.tgz

解压完成后会得到一个cuda文件

复制include和lib64文件夹的文件到相应目录，具体路径根据自己情况设定

在终端进入cuda文件, 输入

sudo cp ./include/cudnn.h /usr/local/cuda-10.1/targets/x86_64-linux/include
sudo cp ./lib64/libcudnn* /usr/local/cuda-10.1/targets/x86_64-linux/lib/
sudo chmod a+r /usr/local/cuda-10.1/targets/x86_64-linux/include/cudnn.h
sudo chmod a+r /usr/local/cuda-10.1/targets/x86_64-linux/lib/libcudnn*

4. 安装tensorflow-gpu版

pip install tensorflow-gpu

5. 测试代码

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

[2. 4. 6.]

参考:
1.Ubuntu16.04配置Tensorflow的GPU深度学习环境
2.tensorflow-gpu测试代码