ubuntu16.04下nvidia-415.27 cuda-9.2 cudnn7.3.1 tensorflow-gpu 1.12安装

python 3.7版本目前和tensorflow兼容性不是很好，推荐使用：python 3.6
本人是之前装的anconda3装的python3.7，为了配置tensorflow又创建了py36环境安装python3.6

安装NVIDIA

用最简单的方法安装成功的：
最开始用指令安装失败了，重启进入不了图形界面，进入ubuntu之后黑屏有光标在闪
解决办法：ssh远程进入我的主机IP，卸载英伟达驱动，用ubuntu的software&update安装
software&update安装：打开software&update->Additional Driver->(这里可能需要禁用nouveau，但是我没 弄也装上了)——>选了一个号最大的415.27apply一下——>重启——>终端输入：nvidia-smi检查是否安装成功

安装cuda

安装之前查好对应版本，CUDA及其驱动兼容情况具体可参见：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
去官网https://developer.nvidia.com/cuda-92-download-archive?target_os=Linux&target_arch=x86_64下载自己想要的版本的文件
根据官网的提示进行安装，下图是我的版本信息：
执行完以上四条语句：

    sudo dpkg -i cuda-repo-ubuntu1604-9-2-local_9.2.148-1_amd64.deb
    sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
   	sudo apt-get update
    sudo apt-get install cuda

之后，参考链接https://blog.csdn.net/EliminatedAcmer/article/details/80528980
进行环境变量配置
配置环境变量，运行如下命令打开个人资料文件

sudo gedit  /etc/profile

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-9.2/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64$LD_LIBRARY_PATH　

保存，然后重启电脑，进入终端

cd  /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果result = PASS，则安装成功，否则失败，可能原因是环境未配置好，或者是cuda与驱动版本不兼容。

如果需要卸载重装，运行下列命令卸载 cuda

$ cd /usr/local/cuda/bin
$ sudo ./uninstall_cuda_9.2.pl

安装cudnn7.3.1

参考博客：https://blog.csdn.net/wgllovemother/article/details/82997320
官网https://developer.nvidia.com/rdp/cudnn-archive
下载三个包

注意：这三个文件都要下载。

使用如下命令安装：

$ cd ~/Downloads/    
$ ls    
$ sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb    
$ sudo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb    
$ sudo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb

安装完成

在我们验证cuDNN之前，我们必须首先安装freeimage lilbray作为ministCUDNN示例代码的依赖关系。否则，会有提示要求我们正确设置Freeimage

$ sudo apt-get install libfreeimage3 libfreeimage-dev

使用如下命令验证;

$ cp -r /usr/src/cudnn_samples_v7/ $HOME    
$ cd $HOME/cudnn_samples_v7/mnistCUDNN    
$ make clean && make    
$ ./mnistCUDNN

如果输出如下信息就表示安装cuDNN成功，并且还可以看到你机器上有几个支持cuda的设备。

tensorflow-gpu 1.12安装

通过anaconda安装：

conda install tensorflow-gpu=1.12.0

检测是否安装成功
参考：https://blog.csdn.net/qq_36909753/article/details/87886263

"""
测试GPU的计算能力，测试tensorflow-GPU版是否安装正确
"""
import tensorflow as tf
import numpy as np
import time
 
value = np.random.randn(5000, 1000)
a = tf.constant(value)
 
b = a * a
 
c =0
tic = time.time()
with tf.Session() as sess:
        for i in range(1000):
            sess.run(b)
 
            c+=1
            if c%100 == 0:
 
                d = c / 10
                # print(d)
                print("计算进行%s%%" % d)
 
toc = time.time()
t_cost = toc - tic
 
print("测试所用时间%s"%t_cost)
print("Ubuntu上GPU为1050ti测试时间为7.99727988243103")

运行效果

2019-02-22 21:55:18.595152: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
2019-02-22 21:55:18.673060: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:964] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-02-22 21:55:18.673437: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1411] Found device 0 with properties: 
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 3.95GiB freeMemory: 3.53GiB
2019-02-22 21:55:18.673448: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1490] Adding visible gpu devices: 0
2019-02-22 21:55:18.881182: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-02-22 21:55:18.881208: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977]      0 
2019-02-22 21:55:18.881213: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0:   N 
2019-02-22 21:55:18.881315: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1103] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 3247 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)
计算进行10.0%
计算进行20.0%
计算进行30.0%
计算进行40.0%
计算进行50.0%
计算进行60.0%
计算进行70.0%
计算进行80.0%
计算进行90.0%
计算进行100.0%
测试所用时间8.04111933708191
Ubuntu上GPU为1050ti测试时间为7.99727988243103

Process finished with exit code 0

完。