第八章神经网络8.1ubuntu18.04 安装tensorflow2.1（裸机）

一、环境准备：

一定要注意这个，本憨憨因为装了十几次ubuntu没遇上这些默认选项没勾上的情况，最近一次apt怎么更新都在历史悠久的版本，请教了大佬也愣是没解决，重装了好几次机。最后快放弃了随便看看的时候发现勾都不见了，完美解决了沙雕问题hhh

二、安装cuda10.1

1.禁用nouveau并重启:（安装Nvidia显卡的官方驱动和系统自带的nouveau驱动冲突）

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

末尾加入

blacklist nouveau

保存后重启电脑，终端输入命令行查看是否禁用成功（无输出则禁用成功）

lsmod | grep nouveau

2.查找tensorflow对应版本的cuda，并下载

可以发现，tensorflow2.1对应cuda版本是10.1。接着到cuda官网下载

安装完毕查看显卡驱动情况：

nvidia-smi

查看cuda是否安装成功,显示gpu相关信息则安装成功

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

三、安装Anaconda3

链接：https://www.anaconda.com/distribution/
进入下载文件所在目录：

bash Anaconda3-2019.10-Linux-x86_64.sh

回车至

下载成功如下：

查找Anaconda3版本：

conda --version

安装好anaconda后 conda 找不到命令的解决办法:
vim ~/.bashrc
键盘“i”表示插入
在最后添加：export PATH=~/anaconda3/bin:$PATH
按下Esc之后输入“:wq!” 保存退出即可
source ~/anaconda3/bin/activate

四、下载tensorflow

conda create -n tf2 python=3.7.4

激活环境：

source activate tf2

下载版本匹配的cuda和cudnn：

conda install cudatoolkit=10 cudnn=7.6

查找能够和cuda和cudnn匹配版本的tensorflow-gpu版本：

conda search tensorflow-gpu

下载tensorflow-gpu2.0.0:

conda install tensorflow-gpu==2.0.0

验证：

五、tensorflow2.1

--------------------------------------------------------2020-2---------------------------------------------------------
由于tensorflow2.0中tf.matmul存在致命错误，同时tf.keras与python路径不匹配，导致代码编写时tf.keras后无代码提示，所以我们优先使用tensorflow2.1。安装方法如下：

conda create -n tf2-gpu python==3.7.6
conda activate tf2-gpu
#由于目前conda不支持tensorflow2.1，所以只能用pip操作
pip install tensorboard
pip install tensorflow-gpu==2.1
pip install ipython

下载版本匹配的cuda和cudnn：

conda install cudatoolkit=10 cudnn=7.6

--------------------------------------------------------2020-7---------------------------------------------------------
鉴于conda现在也可以下载tensorflow2.1了，更新一下博客：

conda create -n tf2-gpu python==3.7.6
conda activate tf2-gpu
conda install tensorboard
conda install tensorflow-gpu==2.1
conda install ipython
conda install cudatoolkit=10 cudnn=7.6

六、环境验证

查询NVidia显存的使用：

nvidia-smi

验证可以使用TensorFlow并且利用GPU的强大性能：

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

显示如下则成功：

Num GPUs Available:  1