ubuntu16.04安装tensorflow-gpu-1.7.1-cuda 9.0+cudnn v7.1+Anaconda3

准备工作：

从NIVIDIA官网https://www.nvidia.cn/Download/index.aspx?lang=cn下载适用的显卡驱动：NVIDIA-Linux-x86_64-390.77.run

CUDA官网https://developer.nvidia.com/cuda-toolkit下载run文件：cuda_9.0.176_384.81_linux.run

cuDNN下载https://developer.nvidia.com/cudnn（需注册账号）：cudnn-9.0-linux-x64-v7.1.tgz

Anaconda下载https://www.anaconda.com/download/下载：Anaconda3-5.2.0-Linux-x86_64.sh

tensorflow下载https://pypi.org/project/tensorflow-gpu/：tensorflow_gpu-1.7.1-cp36-cp36m-manylinux1_x86_64.whl

1.NVIDIA驱动安装：

卸载原有驱动：$sudo apt-get remove --purge nvidia*

1.1禁止nouveau驱动启动：

编辑文件/etc/modprobe.d/blacklist.conf

$sudo gedit /etc/modprobe.d/blacklist.conf

在下方添加内容：

blacklist nouveau

保存后退出

执行更新：$sudo update-initramfs -u

重启系统：$reboot

确认是否禁止成功：$lsmod | grep nouveau 没有输出则成功

1.2检查gcc版本：

安装nvidia390需要gcc5.4及以上，否则会失败

检查gcc版本：$gcc --version

若版本过低则升级gcc：

$sudo apt-get install gcc-5 $sudo apt-get install g++-5

$cd /usr/bin    进入/usr/bin文件夹下 $sudo rm -r gcc  移除之前的软连接 $sudo ln -sf gcc-5 gcc 建立gcc5的软连接 $sudo rm -r g++  同gcc $sudo ln -sf g++-5 g++

$gcc --version 检查gcc是否升级成功

1.3驱动安装：

关闭图形界面：$sudo service lightdm stop

切换到控制台：Ctrl+Alt+F1

进入驱动所在目录，赋予文件可执行权限：$sudo chmod a+x NVIDIA-Linux-x86_64-390.77.run

安装：$sudo ./NVIDIA-Linux-x86_64-390.77.run -no-opengl-files -no-x-check -no-nouveau-check

安装完成后，打开图形界面：$sudo service lightdm start

切换回图形界面：Ctrl+Alt+F7

重启：$reboot

查看驱动是否安装成功：$nvidia-smi 若出现驱动信息则安装成功

2.CUDA安装：

CUDA支持的gcc版本较低，因此先对gcc降级，我降到了4.8版本，操作同升级。

2.1安装cuda：

$sudo chmod a+x cuda_9.0.176_384.81_linux.run

$ sudo ./cuda_9.0.176_384.81_linux.run

询问是否安装nvidia驱动时选n，其他均选y

这一步可能会出现磁盘空间不足的问题，若出现，则进行如下操作：

$sudo mkdir ***         #找一个空间够的盘，建立路径

$sudo sh cuda_9.0.176_384.81_linux.run --tmpdir=***

2.2环境配置：

配置CUDA环境变量：$sudo gedit ~/.bashrc

在文件最后加入下面两行并保存：

export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

使配置生效：$source ~/.bashrc

2.3测试：

检查CUDA是否安装成功：

$cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

$sudo make

$./deviceQuery

若出现显卡信息且看到最后一行Result = PASS，则安装成功。

3.cuDNN安装：

进入文件目录，解压：$tar zxvf cudnn-9.0-linux-x64-v7.1.tgz

进入解压文件夹：$cd cuda

复制头文件：$sudo cp ./include/cudnn.h /usr/local/cuda/include/

复制库文件：$sudo cp ./lib64/libcudnn* /usr/local/cuda/lib64/

然后命令进入lib64文件夹路径：

$cd /usr/local/cuda/lib64/

删除原有动态文件：$sudo rm -rf libcudnn.so libcudnn.so.7

生成软链接：$sudo ln -s libcudnn.so.7.1.4 libcudnn.so.7

$sudo ln -s libcudnn.so.7 libcudnn.so

将路径/usr/local/cuda/lib64添加到动态库：

先安装vim：$sudo apt-get install vim-gtk

输入：$sudo vim /etc/ld.so.conf.d/cuda.conf

键盘按i进入编辑状态，添加文字

/usr/local/cuda/lib64

按esc退出编辑状态，键盘输入冒号，输入wq保存退出

使链接生效：$sudo ldconfig

验证安装是否成功：$nvcc -V

若出现cuda版本信息则表示安装成功

4.Anaconda安装：

进入文件目录，赋予执行权限：$sudo chmod a+x Anaconda3-5.2.0-Linux-x86_64.sh

安装：$sudo bash Anaconda3-5.2.0-Linux-x86_64.sh

更新环境变量：$source ~/.bashrc

输入python，出现Anaconda的信息则安装完成

5.tensorflow安装：

建立名为tensorflow的conda环境：$conda create -n tensorflow python=3.6

激活tensorflow环境：$source activate tensorflow

更新pip：$pip --default-timeout=100 install --upgrade pip  #--default-timeout=100是为了解决安装过程中read timed out问题

赋予权限：$sudo chmod a+x tensorflow_gpu-1.7.1-cp36-cp36m-manylinux1_x86_64.whl

安装：$pip --default-timeout=100 install tensorflow_gpu-1.7.1-cp36-cp36m-manylinux1_x86_64.whl

测试：输入python回车，import tensorflow没有报错则安装成功

关闭tensorflow环境：$source deactivate tensorflow

最后：

关闭tensorflow环境后，在系统中的python下导入tensorflow会报错，显示No module named tensorflow

解决方案：将conda中tensorflow的第三方包文件拷贝到Anaconda的Python目录下：

$sudo rm -rf ~/anaconda3/lib/python3.6/site-packages

$sudo cp -r ~/.conda/envs/tensorflow/lib/python3.6/site-packages ~/anaconda3/lib/python3.6/site-packages

测试：

$python

>>>import tensorflow

没有报错，至此安装完成。