ubuntu16.04下配置nvdia驱动+cuda+cudnn+anaconda+tensorflow-gpu环境（循环登录警告）

网上各种帖子很多，但是针对自己电脑具体情况，不能完全照搬别人解决方案。本文安装环境为ubuntu16.04，独显为NVIDIA GeForce G7X 960M，集显为Inter® HD Graphics 530。安装版本为nvidia-384，cuda8.0，cudnn5.1，tensorflow-gpu1.2.0。
现把配置过程中遇到的奇葩问题及解决方案总结归纳如下。

一、NVIDIA显卡驱动配置

1.禁用ubuntu自带驱动nouveau

终端输入

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

在最后一行添加blacklist nouveau，然后

sudo update-initramfs -u

重启电脑后输入lsmod | grep nouveau,无输出代表禁用成功。

2.NVIDIA驱动安装

本文所述方法在图形界面进行。
首先查看显卡支持的驱动版本

sudo apt-cache search nvidia-*

安装驱动（我装的是384版本）

sudo apt-get install nvidia-384

如报错，则更新源，运行

sudo apt-get upgrade
sudo apt-get update

安装完成后terminal下执行nvidia-smi查看是否安装成功。
卸载驱动方法为

sudo apt-get remove --purge nvidia-384

注：采用命令行界面的安装方法一直存在循环登陆问题，原因大概是电脑双显卡（集显，独显）的问题，用遍网上所有方法均未解决。本文所述方法过程中并未禁用x service。

二、安装cuda

运行tensorflow最好安装cuda整数版本，如8.0，9.0，10.0等，否则在部分电脑上可能存在不明错误。要安装与nvidia驱动匹配的cuda版本。

三、安装cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。NVIDIA cuDNN官网下载与cuda版本匹配的cuDNN。

四、安装anaconda

anaconda帮助自动安装大部分科学计算和数据处理依赖的库， 同时自己搞定环境变量等的配置，管理起环境来非常方便。
去anaconda官网下载linux版本的安装程序。执行bash Anaconda3-4.4.0-Linux-x86_64.sh安装。不建议安装到root中，最好安装到home下，选择默认路径就可以了。
如出现command not found: conda的问题，需要

export PATH="/home/[your_name]/anaconda/bin:$PATH"
source ~/.bash_profile

五、安装tensorflow-gpu

首先创建tensorflow环境，conda create -n tensorflow python=3.5.激活tensorflow环境source activate tensorflow。

pip install tensorflow-gpu==1.2

命令行敲入python，输入import tensorflow as tf出现以下错误（由于当时忘记截图，图片来源于参考资料中）

这是和tensorflow环境变量有关，需每次在import tensorflow as tf之前敲入一下两句话：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/loacal/cuda/lib64: /usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

每次都敲会很麻烦，也可以通过添加环境变量解决这个问题，即

gedit  ~/.bashrc
gedit ~/.bash_profile

打开这两个文件，在这两个文件末尾都添加export两句话，即可解决。
通过以下测试程序，测试tensorflow是否配置成功。如正常运行，则输出b'hello tensorflow'

import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))

tensorflow-gpu测试程序网上也有，这里就不赘述
之后使用时要先激活tensorflow环境

source activate tensorflow
python
>>

终端退出python用Ctrl+D。
未完待续

参考资料

1.Ubuntu下安装nvidia显卡驱动（安装方式简单）
2.NVIDIA CUDA Toolkit Release Notes
3.Tensorflow不同版本要求与CUDA及CUDNN版本对应关系
4.安装与卸载tensorflow-gpu
5.[Anaconda] command not found: conda
6.ubuntu14.04上实现faster rcnn_TF的demo程序及训练过程
7.TensorFlow测试程序
8.tensorflow-gpu测试代码