Ubuntu 18.04 64位安装tensorflow-gpu

第一步（可直接跳到第二步）：安装nvidia显卡驱动

linux用户可以通过官方ppa解决安装GPU驱动的问题。使用如下命令添加Graphic Drivers PPA：

1	sudo add - apt - repository ppa:graphics - drivers / ppa

然后更新源：

1	sudo apt - get update

然后去navidia官网查看最新的驱动版本号：navidia官网：http://www.geforce.cn/drivers
比如说驱动的最新版本号为396，则执行如下指令：

1	sudo apt - get install nvidia - 396

最后安装openGL支持：

 

1	sudo apt - get install mesa - common - dev

第二步：安装cuda-10.0(中间会默认安装显卡驱动)

如果直接执行：$  sudo apt-get install -y cuda  会报错。正确使用方法为。

官方网站下载：CUDA Toolkit 10.0。下载网址为：https://developer.nvidia.com/cuda-downloads

linux，86_64，Ubuntu，18.04，deb[local]

然后执行如下指令：

1 2 3

$ sudo dpkg - i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb $ sudo apt - get update  $ sudo apt - get install cuda

这时出现如下错误：

使用的是Ubuntu 18.04 LTS 64位，安装cuda10.0，采用本地deb包安装方式，这是安装的环境的主要信息。

对于该问题，搜索到的多是将Ubuntu中的一些有问题的更新或者源去掉来解决的，但是对于这个问题无效。而且Google上很少有这个问题的搜索结果，折腾了一两个小时后才找到一个方案，就是使用aptitude。这个比apt处理依赖问题要更加智能，采用该方案安装cuda如下：

如果没有aptitude则需要先安装aptitude: sudo apt-get install aptitude

然后进行安装cuda：

冲突写了两三屏幕，然后给出了解决方案：

选择接受，等待

终于完成了，尝试了下nvidia-smi

 

如果nvidia-smi失败，则试着重启，应该就OK了。

 

这时在/usr/local目录下产生一个cuda安装的路径叫"cuda-10.0"，并添加cuda到环境变量：

 

1	sudo vim / etc / profile

添加内容：

1 2 3

export CUDA_HOME = / usr / local / cuda -10 .0  export PATH = $CUDA_HOME / bin :$PATH    export LD_LIBRARY_PATH = $CUDA_HOME / lib64:$LD_LIBRARY_PATH

使环境变量生效

1	source / etc / profile

检验是否安装成功：查看GPU运行的进程

参考测试网址： http://blog.csdn.net/masa_fish/article/details/51882183

1	$ nvidia - smi  <a style = "font-size: 2em; background-color: #ffffff; font-family: 'PingFang SC', 'Helvetica Neue', Helvetica, Arial, sans-serif;" name = "t3" >< / a>

第三步：降低gcc版本到5.0以下

查看gcc当前使用版本：

1	$ gcc - - help

1	$ gcc - - version #查看gcc版本号

最后一行为 <file:///usr/share/doc/gcc-4.8/README.Bugs>. 使用的ubuntu14.04使用的是4.8版本 所以不用降低gcc版本

否则执行如下指令：

1 2 3 4 5 6 7 8 9

sudo apt - get install g + + - 4.9  sudo update - alternatives - - install / usr / bin / gcc gcc / usr / bin / gcc - 4.9 20  sudo update - alternatives - - install / usr / bin / gcc gcc / usr / bin / gcc - 5 10  sudo update - alternatives - - install / usr / bin / g + + g + + / usr / bin / g + + - 4.9 20  sudo update - alternatives - - install / usr / bin / g + + g + + / usr / bin / g + + - 5 10  sudo update - alternatives - - install / usr / bin / cc cc / usr / bin / gcc 30  sudo update - alternatives - - set cc / usr / bin / gcc  sudo update - alternatives - - install / usr / bin / c + + c + + / usr / bin / g + + 30  sudo update - alternatives - - set c + + / usr / bin / g + +

第四步：下载 cuDNN V5+ 库文件并添加到cuda-8.0库

网址为： https://developer.nvidia.com/cudnn

解压并将内容copy到/usr/local/cuda-10.0/include和lib64目录中：

cudann-10.0是目前为止比较稳定的版本在更新tensorflow后（1.4.1- 指令: pip install --upgrade tensorflow-gpu 即可更新tensorflow）

在官网下载对应版本的*.tgz文件。

指令如下：

1 2 3 4

sudo tar xvzf cudnn-10.0-linux-x64-v7.4.2.24.tgz sudo cp cuda / include / cudnn.h / usr / local / cuda -10 .0 / include  sudo cp cuda / lib64 / libcudnn * / usr / local / cuda -10 .0 / lib64  sudo chmod a + r / usr / local / cuda -10 .0 / include / cudnn.h / usr / local / cuda -10 .0 / lib64 / libcudnn *   #分配包的权限

第五步：安装tensorflow

（1）Anaconda安装tensorflow

下载：Anaconda2-4.3.1-Linux-x86_64.sh（https://repo.continuum.io/archive/）参考网址：https://www.cnblogs.com/willnote/p/6746499.html

1	bash Anaconda2 - 4.3 . 1 - Linux - x86_64.sh

Anaconda仓库镜像

官方下载更新工具包的速度很慢，所以继续添加清华大学 TUNA提供的Anaconda仓库镜像，在终端或cmd中输入如下命令进行添加

1 2	$ conda config - - add channels https: / / mirrors.tuna.tsinghua.edu.cn / anaconda / pkgs / free / $ conda config - - set show_channel_urls yes

备注：如果出现conda命令未找到，查看：https://www.cnblogs.com/chamie/p/10009193.html

Tensorflow安装

在终端或cmd中输入以下命令搜索当前可用的tensorflow版本

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

（可以略掉）$ anaconda search - t conda tensorflow   Using Anaconda API: https: / / api.anaconda.org Run 'anaconda show <USER/PACKAGE>' to get more details: Packages:       Name                      |  Version | Package Types   | Platforms            - - - - - - - - - - - - - - - - - - - - - - - - - |   - - - - - - | - - - - - - - - - - - - - - - | - - - - - - - - - - - - - - -       HCC / tensorflow            |    1.0 . 0 | conda           | linux - 64             HCC / tensorflow - cpucompat  |    1.0 . 0 | conda           | linux - 64             HCC / tensorflow - fma        |    1.0 . 0 | conda           | linux - 64             SentientPrime / tensorflow  |    0.6 . 0 | conda           | osx - 64                                                    : TensorFlow helps the tensors flow       acellera / tensorflow - cuda  |   0.12 . 1 | conda           | linux - 64             anaconda / tensorflow       |    1.0 . 1 | conda           | linux - 64             anaconda / tensorflow - gpu   |    1.0 . 1 | conda           | linux - 64             conda - forge / tensorflow    |    1.0 . 0 | conda           | linux - 64 , win - 64 , osx - 64                                            : TensorFlow helps the tensors flow       creditx / tensorflow        |    0.9 . 0 | conda           | linux - 64                                                  : TensorFlow helps the tensors flow       derickl / tensorflow        |   0.12 . 1 | conda           | osx - 64               dhirschfeld / tensorflow    | 0.12 . 0rc0 | conda           | win - 64               dseuss / tensorflow         |          | conda           | osx - 64               guyanhua / tensorflow       |    1.0 . 0 | conda           | linux - 64             ijstokes / tensorflow       | 2017.03 . 03.1349 | conda, ipynb    | linux - 64             jjh_cio_testing / tensorflow |    1.0 . 1 | conda           | linux - 64             jjh_cio_testing / tensorflow - gpu |    1.0 . 1 | conda           | linux - 64             jjh_ppc64le / tensorflow    |    1.0 . 1 | conda           | linux - ppc64le        jjh_ppc64le / tensorflow - gpu |    1.0 . 1 | conda           | linux - ppc64le        jjhelmus / tensorflow       | 0.12 . 0rc0 | conda, pypi     | linux - 64 , osx - 64                                            : TensorFlow helps the tensors flow       jjhelmus / tensorflow - gpu   |    1.0 . 1 | conda           | linux - 64             kevin - keraudren / tensorflow |    0.9 . 0 | conda           | linux - 64             lcls - rhel7 / tensorflow     |   0.12 . 1 | conda           | linux - 64             marta - sd / tensorflow       |    1.0 . 1 | conda           | linux - 64                                                  : TensorFlow helps the tensors flow       memex / tensorflow          |    0.5 . 0 | conda           | linux - 64 , osx - 64                                            : TensorFlow helps the tensors flow       mhworth / tensorflow        |    0.7 . 1 | conda           | osx - 64                                                    : TensorFlow helps the tensors flow       miovision / tensorflow      | 0.10 . 0.gpu | conda           | linux - 64 , osx - 64       msarahan / tensorflow       | 1.0 . 0rc2 | conda           | linux - 64             mutirri / tensorflow        | 0.10 . 0rc0 | conda           | linux - 64             mwojcikowski / tensorflow   |    1.0 . 1 | conda           | linux - 64             rdonnelly / tensorflow      |    0.9 . 0 | conda           | linux - 64             rdonnellyr / r - tensorflow   |    0.4 . 0 | conda           | osx - 64               test_org_002 / tensorflow   | 0.10 . 0rc0 | conda           |                Found 32 packages

选择一个较新的CPU或GPU版本，如jjh_cio_testing/tensorflow-gpu的1.0.1版本，输入如下命令查询安装命令

1 2 3 4 5 6 7 8 9 10 11 12

（可以略掉）$ anaconda show jjh_cio_testing / tensorflow - gpu   Using Anaconda API: https: / / api.anaconda.org Name:    tensorflow - gpu Summary: Access:  public Package Types:  conda Versions:     + 1.0 . 1   To install this package with conda run:       conda install - - channel https: / / conda.anaconda.org / jjh_cio_testing tensorflow - gpu

使用最后一行的提示命令进行安装

1 2 3 4 5 6 7 8 9 10 11 12

$ conda install - - channel https: / / conda.anaconda.org / jjh_cio_testing tensorflow - gpu = = 1.3 . 0   Fetching package metadata ............. Solving package specifications: .   Package plan for installation in environment / home / will / anaconda2:   The following packages will be SUPERSEDED by a higher - priority channel:        tensorflow - gpu: 1.0 . 1 - py27_4 https: / / mirrors.tuna.tsinghua.edu.cn / anaconda / pkgs / free - - > 1.0 . 1 - py27_4 jjh_cio_testing   Proceed ([y] / n)?

conda会自动检测安装此版本的Tensorflow所依赖的库，如果你的Anaconda缺少这些依赖库，会提示你安装。因为我之前已经安装过了，所以这里只提示我安装Tensorflow。输入y并回车之后等待安装结束即可

• 可以选择次高版本的Tensorflow安装，因为最新版本可能清华 TUNA的仓库镜像库没有及时更新，而官方更新连接总是失败，我最开始选择了jjhelmus/tensorflow-gpu的1.0.1版本，其他依赖 库清华 TUNA的仓库镜像有资源，而到最后jjhelmus/tensorflow-gpu版本的Tensorflow安装包总是下载不下来，尝试20多次之后 换了一个1.0.0的版本，终于顺利安装成功

进入python，输入

1	import tensorflow as tf

如果没有报错说明安装成功。

（2）PIP安装tensorflow

安装完CUDA 8 和 cuDNN 5后， 在终端输入 sudo apt-get install libcupti-dev（参考：https://www.cnblogs.com/zengcv/p/6564517.html）

Ubuntu14.04默认安装的Python2.7.6

先安装Python库

1	sudo apt - get install python - pip python - dev

安装tensorflow：

      (1)在线安装 

                sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 

　　 (2)下载安装（由于Ubuntu系统下，网上比较慢，可以在windows下载。推荐这种安装方法） 

               sudo pip install tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 

　　　　（下载地址：https://pypi.org/project/tensorflow-gpu/1.0.1/#files）

参考文献：https://www.cnblogs.com/chamie/p/8876271.html

转载于:https://www.cnblogs.com/happystudyeveryday/p/11366062.html