ubuntu16.04 +cunda9.0+cudnn7.0+tensorflow 1.5gpu 最详细的安装教程

ubuntu 是刚刚安装好的16.04  因为tensorfow 的官网要求：（在安装之前最好先看看tensorflow官网上对安装的环境要求，系统版本、显卡计算能力、cuda和cudnn的版本，下面使用的都是目前符合tensorflow官网的要求版本）

这里先用cuda9.1 装好之后不能使用，还是装回了cuda9.0.所以

一定要按照tensorflow官网上面的要求（目前的要求是cuda9.0 和cudnn7.0）

下面截图图片中可能有cuda9.1的，但请使用cuda9.0版本

1、

安装显卡驱动

电脑配置了两块泰坦显卡，安装方法主要有三种：

• 系统设置安装 （这里只使用系统的自动更新）
• 安装CUDA时顺便安装
• 官方下载最新驱动并安装
  参考：《Ubuntu 16.04安装NVIDIA驱动》

打开系统的软件升级中心中的额外页如下：

重启之后打开终端，输入：nvidia-smi   输出CPU的信息列表，表示驱动安装成功（可以看到我装的电脑上是有两块TITAN 显卡）

关于手动下载驱动的安装上一次安装的时候也尝试了一下，可以参考https://zhuanlan.zhihu.com/p/27168325 这篇知乎教程，相对麻烦一点，但是不用重启电脑就是，还有就是下载驱动的时候要下载对应的版本

安装cuda

1、cuda可以在nivida官方网站上下载：

选择好对应的系统和下载的文件格式：（这里使用runfile的安装方式）

（tips：使用的是迅雷下载，可以很快把1.6G的文件下载下来，再拷贝到ubuntu系统上，文件名：cuda_9.1.85_387.26_linux.run）

然后下面就是检查一下很多其它教程提及到的gcc的版本问题了，有时间的话可以去看看cuda9.1的官方安装教程 有一张表可以看到如下：

可以看到9.1要求的ubuntu16.04的gcc是5.3.1 然后16.04 打开终端输入 gcc -v 可以看到gcc是5.4.0 但是亲测是没有问题的，所以不用降级（有的教程里面会提到降级）

接下来就是安装cuda的runfile文件了：(文件名改成对应的文件名）然后输入密码

安装Cuda的时候，需要关闭X服务。

sudo service lightdm stop

这时，系统会出现黑屏。此时，同时按住[CTRL + ALT + F1]三个键进入命令行模式（如果不能进入命令行模式，

可以参考《alt+ctrl+F1黑屏 ，解决方案》），

然后cd 到cuda的目录下然后按照下面的命令运行

sudo sh cuda_9.1.85_387.26_linux.run

然后根据（一直按住回车键可以一直刷到底部）（也可以点空格可以更快的刷到底部）

然后就是出现各种是否同意的的选项，这里特别注意第二项选择 第二项就是上面提到的在cuda安装的时候安装驱动，但是这里的驱动一般会比之前安装的旧一般选择NO：然后后面有一个Xconfiguration 选项也要记得选no

其它的选项就是都是yes就可以（可以看看都是干什么的）然后就是安装路径问题（后面添加路径会用到）默认的cuda安装在 /usr/local/cuda-9.1 ,这里就使用默认的路径：

都安装完后：可以恢复到图形界面模式，

sudo service lightdm start

下面就是要把cuda的路径添加到系统的环境变量当中：（下面是tensorflow官网上面的安装要求，所以有必要先读一遍，不长）

添加路径的方法有很多方法，但是要注意环境变量的作用域问题，下面是添加永久环境变量，而且只是针对当前的用户修改（环境变量有很多坑，要小心，详细的环境变量介绍可以看这里）

sudo gedit ~/.bashrc

在打开的profile 文末中写入(上面提及的采用默认的路径下）

export PATH="$PATH:/usr/local/cuda-9.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64"

关闭profile文件， 在终端中输入：

source ~/.bashrc

下面截图中“%PATH”打错了，害得我路径都没有了，所以一定要仔细一点（再次提醒请用cuda9.0）

配置成功后再输入 nvidia-smi 有如下的GPU信息：

安装cuDNN

cuDNN 可以在官网上下载，但是需要注册一下官网的账号才能下载，根据需要选择，目前tensorflow官网上的安装要求是cudnn7.0 我就选择如下的：libcudnn7_7.0.5.15-1+cuda9.1_amd64.deb （文件名）

为了方便没有账号的同学，我上传到csdn上了，需要的可以下载

根据你下载的文件和具体的格式不同，可以参考官网上的安装方法，这里把主要的截图如下：

所以我们这里的方法如下：（就是正常的deb的安装方式，最方便了）。

官网上面还有cudnn正确安装的测试方法，可以敲一下：（我没有找到samples，所以就没有敲了）

安装tensorflow

至此，cuda和cudnn都安装好了，下面就是开始安装tensorflow。根据官网上面的教程先安装一个libcupti-dev

这里有一点问题，cuda-command-line 我这提示“无法定位到源",所以无法安装，我就装了最后的一个（结果也好像也没有什么问题）

官网上有几种安装方式：

下面的安装就选择了最方便的 Anaconda 的方式：

1、关于anaconda的安装就更加简单了，在官网上下载linux下的安装文件，然后终端安装，一步到位

（Anaconda2-5.1.0-Linux-x86_64.sh）这是我下载sh文件名对应python2.7的

2、创建tensorflow 环境，然后激活环境

  终端输入：

conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

$ source activate tensorflow  #每次使用的时候都是通过这个命令进入tensorfow的环境的

3、添加清华大学的Anaconda镜像源：在终端输入如下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

（tensorflow官网的安装程序是从google storage上去下载的，国内无法连接）

4、安装tensorflow

这里可以指定想要安装的版本，我这里就没有指定，直接安装最新的tensorflowGPU版本

pip instlall tensorflow-gpu

如果想要指定的版本，按如下的方式，并且把（注意python的版本的cpu和GPU的版本）

storage.googleapis.com   替换成  mirrors.tuna.tsinghua.edu.cn

(tensorflow)$ pip3 install --upgrade \
 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl

至此，GPU版本的tensorflow 都安装完成了，最后再检验一下tensorflow是否可以用GPU 使用如下的代码

from tensorflow.python.client import device_lib as _device_lib
local_device_protos = _device_lib.list_local_devices()
print [x.name for x in local_device_protos if x.device_type == 'GPU']

这里输出如下：

GPU的编号从0开始，正好是之前提到的两块泰坦。那么说明GPU版本的tensorflow已经没有什么问题了。

最后再提一下，在配置过程当中和程序运行当中，系统的环境变量一直是一个很容易忽略的地方，常常”无法找到“之类的错误都要考虑一下这个地方

这里参考很多其它的教程，有的已经找不到地方，在在巨人的肩膀上才能看的更远：

https://zhuanlan.zhihu.com/p/33089119

https://zhuanlan.zhihu.com/p/27168325

https://zhuanlan.zhihu.com/p/25429108

https://www.tensorflow.org/install/install_linux#InstallingAnaconda

https://blog.csdn.net/dearsq/article/details/51492847

宿舍