Ubuntu下tensorflow深度学习——环境篇（python）

本文默认环境为ubuntu18.04.4（真机非虚拟机），NVIDIA显卡（本机GTX1050Ti），opencv4.2。由于项目原因，我需要用python训练h5模型，再将其转换为pb模型，最后由tensorflow的C++接口在我的cpp程序中调用。所以，我需要配置的环境为：python-tensorflow，tensorflow的C++接口（需对源文件进行编译），anacoda虚拟环境。
由于python-tensorflow与C++的ternsorflow比较独立，所以先安装哪个都不影响，注意python的tensorflow最好安装1.x版本，因为2.x版本转换的pb文件C++接口调用会出现一些问题。
Python的tensorflow安装需要先配置以下一些环境：
1、cuda
2、cuDNN
3、Anaconda

tensorflow各版本对应的cuda与cuDNN如图所示：

这在tensorflow的官网的安装界面。
我安装的是tensorflow1.14，所以需要cuda10，cuDAA7.4。
1、在安装cuda之前，我们还要安装显卡驱动
（1）Ubuntu下查看Nvidia显卡的详细信息：
nvidia-smi
如果该命令没有输出，那么我们就应该安装NVIDIA的显卡驱动
（2）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）

`lsmod | grep nouveau
#没有lsmod就安装
apt install module-init-tools
#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

（3）安装gcc与删除旧的NVIDIA

sudo apt install build-essential
#删除旧的NVIDIA驱动：
sudo apt-get remove nvidia-*
sudo apt-get autoremove
#更新系统软件仓库列表
sudo apt-get update

（4）使用下面命令查看系统推荐哪个版本的N卡驱动

ubuntu-drivers devices

qyh@qyh-mas$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:1d.0/0000:3c:00.0 ==
modalias : pci:v000010DEd0000134Dsv000017AAsd000039C8bc03sc02i00
vendor   : NVIDIA Corporation
model    : GM108M [GeForce 940MX]
driver   : nvidia-driver-410 - third-party free
driver   : nvidia-driver-415 - third-party free
driver   : nvidia-driver-390 - third-party free.
driver   : nvidia-driver-430 - third-party free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin
#在上面这些输出中可以看到recommended关键词，说明系统推荐安装的N卡驱动是"nvidia-driver-430"`

（5）选择你看到推荐版本安装，本例使用nvidia-driver-430，然后安装几个必要组件，命令如下

sudo apt-get install nvidia-settings nvidia-driver-430 nvidia-prime
sudo ubuntu-drivers autoinstal

（6）安装双显卡切换指示器

sudo add-apt-repository ppa:nilarimogard/webupd8
sudo apt-get update
sudo apt-get install prime-indicator

（7）重启

sudo reboot 

新启动后会在右上角看到一个显卡指示器，默认情况下是Nvidia图标，说明现在使用的是N卡，点击这个图标选择"Quick switch graphics…",按下确认后会自动重启桌面，此时就会切换到Intel显卡了，图标也变成了Intel。
大家可以尝试着在两个显卡之间切换，并使用下面的命令查看是否切换成功，然后测试其性能
切换到Intel卡后，查看N卡是否关闭,如果N卡末尾是（rev ff），则表示成功关闭了N卡，现在使用的是I卡，如果末尾不是ff，则说明现在使用的是N卡

lspci | grep VGA

00:02.0 VGA compatible controller: Intel Corporation .... (rev 09)

01:00.0 VGA compatible controller: NVIDIA Corporation .... (rev ff)

2、Cuda10进入官网：https://developer.nvidia.com/cuda-10.0-download-archive 下载安装

如果下载过慢，可以使用github代下载网站进行下载：http://g.widora.cn/ ，下载完成后根据官网说明进行安装。

sudo sh cuda_10.0.130_410.48_linux.run

然后按enter直至声明结束
因为驱动已经独立安装，所以不安装，选择如下：

添加环境变量：

gedit ~/.bashrc
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
#保存并退出
#应用：
source ~/.bashrc
测试是否安装成功：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

3、安装cuDNN：进入官网：https://developer.nvidia.com/cudnn 注册登陆并下载对应的版本：

要下载cuDNN Library for Linux，下载完成后解压进入cudnn目录，看到cuda文件夹，进入终端输入：

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*
在终端查看CUDNN版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

注意：如果运行tensorflow-gpu报错 ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
终端里面执行

sudo ln -sf /usr/local/cuda-10.0/lib64/libcudnn.so.7.4.2 /usr/local/cuda-10.0/lib64/libcudnn.so.7
 #libcudnn.so.7.4.2和libcudnn.so.7理论上只有一个
sudo ldconfig /usr/local/cuda-10.0/lib64

4、安装anaconda3过程比较简单，参考博客：https://blog.csdn.net/qq_15192373/article/details/81091098 即可，在此不多做赘述。

#在ubuntu中的anaconda新建一个python3.6的环境
conda create -n tf2 python=3.6
#然后进入该虚拟环境：
source activate tensorflow
#退出虚拟环境：
source deactivate

5、在虚拟环境安装tensorflow-gpu：

pip3 --default-timeout=100 install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

其中 --default-timeout=100为最大下载延迟时间（不这样很容易timed out），-i https://pypi.tuna.tsinghua.edu.cn/simple为配置国内源，这样下载会快很多。
安装keras：keras与tensorflow的版本对应关系如下图所示：

pip3 --default-timeout=100 install keras==2.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

6、测试是否安装成功
进入pycharm，如果没有也可直接用终端输入：

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

a = tf.constant([1.2, 2.3, 3.6], shape=[3], name='a')
b = tf.constant([1.2, 2.3, 3.6], shape=[3], name='b')

c = a + b
session = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(session.run(c))
print(tf.version.VERSION)

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

输出结果：

表示tensorflow-gpu安装成功。