Ubuntu 16.04深度学习环境搭建

Ubuntu 16.04深度学习环境搭建

所需软件

• NVIDIA驱动

• CUDA9.0

• CUDNN7.0

• Anaconda3.5.0.0

• Tensorflow1.8

NVIDIA驱动

下载cuda_10.1.168_418.67_linux.run

下载cuda 10 的目的是为了安装NVIDIA驱动，而我们实际工作使用的是cuda 9

wget https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.168_418.67_linux.run

sudo chmod +x *.run # 赋予所有run文件可执行文件
sudo ./cuda_10.1.168_418.67_linux.run # 因为文件比较大，需要加载较长时间

按Ctrl+F可以快速跳过这些前言，然后我们只安装NVIDIA驱动，所以其他的我们全部选择no。

驱动安装完成之后，我们用nvidia-smi查看我们的显卡运行状态，如果成功显示，则驱动安装成功。

安装cuda9.0

下载 cuda 9.0

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

创建我们 cuda9.0 解压的文件夹

mkdir -p local/cuda9.0
./cuda_9.0.176_384.81_linux.run # 因为我们不用安装驱动了，所以可以不用sudo权限，直接运行它就好

驱动选择no，toolkit选择yes，路径输入我们刚才的路径，应该要输入绝对路径，/home/michael/local/cuda9.0。记得把michael改成你们自己的用户名，然后其他都选择no。

这时候我们的cuda9.0就安装好了，我们进入到它的bin文件夹中，运行命令查看cuda版本。

cd local/cuda9.0/bin/

./nvcc -V

添加环境变量

我们这里查看的命令是./nvcc -V，我们之所以输入./，是因为nvcc这个已经编译好的程序只存在于local/cuda9.0/bin/这个当前目录下，并不是全局目录下，如果我们要让我们的程序能够在全局调用得到我们的cuda，我们需要将cuda加入到环境变量里面，因此，而在我们的主文件夹（Home）下，有一个环境变量 的配置文件.bashrc,这是一个隐藏文件，使用ls -a可以看见。

我们编辑.bashrc这个文件，然后将我们cuda的目录信息加入到里面，刷新环境变量，这时候我们的cuda就变成全局了(~/是指我们的默认目录，就是我们的home目录)。

vim ~/.bashrc

然后按i进入insert模式，到最下面一行，添加我们的配置信息。

# cuda9.0
export PATH=/home/michael/local/cuda9.0/bin:$PATH
export LD_LIBRARY_PATH=/home/michael/local/cuda9.0/lib64:$LD_LIBRARY_PATH
export C_INCLUDE_PATH=/home/michael/local/cuda9.0/include:$C_INCLUDE_PATH
export CPLUS_INCLUDE_PATH=/home/michael/local/cuda9.0/include:$CPLUS_INCLUDE_PATH

然后按:wq保存并退出。

刷新一下环境变量

source ~/.bashrc

这时候输入这个就可以查看cuda版本信息了，而不需要加入./

nvcc -V

Cudnn7.0

下载 Cudnn7.0

配置Cudnn的步骤很简单，把cudnn的头文件和库文件都拷贝到cuda安装文件夹里面就好了
我们从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8，想要解压的话需要先转成tgz格式再解压：

cp cudnn-9.0-linux-x64-v7.5.0.56.solitairetheme8 cudnn-9.0-linux-x64-v7.5.0.56.tgz

1.解压，生产的文件夹叫cuda，最后cp（拷贝）完后这个文件夹就可以删掉了

tar -zxvf cudnn-9.0-linux-x64-v7.5.0.56.tgz

2.cp（拷贝）这个文件夹

cp cuda/include/cudnn.h local/cuda9.0/include/
cp -a cuda/lib64/* local/cuda9.0/lib64/

Anaconda3.5.0.0

下载 Anaconda3-5.0.0-Linux-x86_64.sh

wget https://repo.anaconda.com/archive/Anaconda3-5.0.0-Linux-x86_64.sh

运行安装程序

sh Anaconda3-5.0.0-Linux-x86_64.sh

然后输入yes再按回车采用默认路径就行了。

安装完成时，它问你要不要加入到环境变量里面，我们选择yes，然后它会把它的解压的目录自行添加到~/.bashrc里面。

这时候我们可以查看我们的~/.bashrc，可以看到环境变量里面以及由Anaconda了。

重新打开终端，会刷新环境变量(或者手动用source ~/.bashrc刷新一下)，我们输入Python，可以看到Anaconda的字样。

修改pip源

cd ~/

创建.pip目录

mkdir -p .pip

进入.pip目录

cd .pip

编辑(之前若无则新建) pip.conf文件

vim pip.conf

然后按i进入insert状态，粘贴我们的配置信息。

[global] 
index-url=https://pypi.tuna.tsinghua.edu.cn/simple 
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn 
disable-pip-version-check = true 
timeout = 6000

然后按:wq保存并退出，这时候我们的pip配置信息已经完成了。

Tensorflow1.8

pip install tensorflow-gpu==1.8

这时候它提示我们的tensorflow以及它的依赖包已经安装好了，那我们检验一下。

这个不是报错，它只是提升在未来版本有些函数会改变，其实只要更新一下h5py就行了。

pip install -U h5py

然后再import tensorflow试一下。

这时候就完全没有问题了，到这里，基于GPU的Tensorflow已经安装完成了。

参考：https://blog.csdn.net/Wuzebiao2016/article/details/87886356