![8402fa06fbbcc86367859c8e62bca02a.gif](https://img-blog.csdnimg.cn/img_convert/8402fa06fbbcc86367859c8e62bca02a.gif)
Ubuntu安装cuda10 + cudnn7.5 + Tensorflow2.0
最全Tensorflow 2.0 入门教程持续更新:
Doit:最全Tensorflow 2.0 入门教程持续更新zhuanlan.zhihu.com![76367efe4f2534441d815bda7c82c5b6.png](https://img-blog.csdnimg.cn/img_convert/76367efe4f2534441d815bda7c82c5b6.png)
完整tensorflow2.0教程代码请看https://github.com/czy36mengfei/tensorflow2_tutorials_chinese (欢迎star)
安装NVIDIA驱动
下载NVIDIA驱动
TensorFlow2.0需要cuda10,所以应该装410.48以上版本驱动
![d683021a6d5d94e98496a0f5240a4115.png](https://img-blog.csdnimg.cn/img_convert/d683021a6d5d94e98496a0f5240a4115.png)
可访问英伟达官网获得: https://www.geforce.cn/drivers
![955174cef873ffbd9604eeab24b4130b.png](https://img-blog.csdnimg.cn/img_convert/955174cef873ffbd9604eeab24b4130b.png)
我这边下载的410.78
![874004aba4137c34516f66d801b9547d.png](https://img-blog.csdnimg.cn/img_convert/874004aba4137c34516f66d801b9547d.png)
禁止ubuntu自带驱动
sudo vim /etc/modprobe.d/blacklist.conf
在文件中加入下面2行
blacklist nouveau options nouveau modeset=0
# 更新配置
sudo update-initramfs -u
# 重启
reboot
# 检测驱动是否禁止,无输出,则禁止成功
lsmod | grep nouveau
安装NVIDIA驱动
进入命令行界面 ctrl+alt+f1
sudo service lightdm stop
cd install_package
sudo chmod 777 NVIDIA-Linux-x86_64-410.78.run
sudo ./NVIDIA-Linux-x86_64-410.78.run
检查gpu安装情况
# 重启图形界面
sudo service lightdm start
# 查看显卡驱动
nvidia-smi
![db6f5a3500452eea8eb276c6eb023c50.png](https://img-blog.csdnimg.cn/img_convert/db6f5a3500452eea8eb276c6eb023c50.png)
安装cuda10
下载cuda10
cuda10.0地址:https://developer.nvidia.com/cuda-10.0-download-archive
![c8b986fcea65716bebdf24df3dfd347d.png](https://img-blog.csdnimg.cn/img_convert/c8b986fcea65716bebdf24df3dfd347d.png)
安装cuda
sudo chmod 777 cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run
![ac582159f8dd97b9b3a410403a4a0d29.png](https://img-blog.csdnimg.cn/img_convert/ac582159f8dd97b9b3a410403a4a0d29.png)
ps:在选择是否创建/usr/local/cuda 的软连接时选no(n),后面环境变量直接写具体的版本,可以避免多版本cuda混淆。
![9aff5643a75ddb634b353bb6da3caf59.png](https://img-blog.csdnimg.cn/img_convert/9aff5643a75ddb634b353bb6da3caf59.png)
配置Cuda环境
如果不存在使用多个cuda版本请直接按第一个方法配置即可,需要多个cuda的使用第二个配置
1、配置到动态链接库(加载快,一个机子只能配置一个cuda版本)
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句:
/usr/local/cuda-10.0/lib64
执行
sudo ldconfig
2、配置到环境变量(不同环境下,配置不同环境变量,可以使用多个cuda版本)
sudo gedit ~/.bashrc
打开文件后在文件末尾添加路径,也就是安装目录,命令如下:
export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
运行
source ~/.bashrc
ps:
- 想配置为全局系统变量,请在/etc/profile中配置
- 如果使用pycharm远程调用,程序不会导入.bashrc里面的环境变量,请在相应的运行python中配置如上的环境变量。(不使用pycharm远程调用的忽略此条)
安装cuDNN7.5.1
下载
cudnn7.5.1(cuda10.0版)https://developer.nvidia.com/rdp/cudnn-download
![cb00a73204beb5579a0075ad81c9dd08.png](https://img-blog.csdnimg.cn/img_convert/cb00a73204beb5579a0075ad81c9dd08.png)
安装 cudnn:
tar -zxvf cudnn-10.0-linux-x64-v7.5.1.10.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda-10.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-10.0/include/
cd /usr/local/cuda-10.0/lib64/
sudo chmod +r libcudnn.so.7.5.1 # 自己查看.so的版本
sudo ln -sf libcudnn.so.7.5.1 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
![8dccdae08e586c52f2633ff691f51348.png](https://img-blog.csdnimg.cn/img_convert/8dccdae08e586c52f2633ff691f51348.png)
安装TensorFlow2.0
pip install tensorflow-gpu==2.0.0-alpha0
import tensorflow,输出tf.__version__ ,安装正常。
![7c220c056956d8d2883023f284e531c7.png](https://img-blog.csdnimg.cn/img_convert/7c220c056956d8d2883023f284e531c7.png)