Ubuntu 18.04, CUDA 10.0 编译安装tensorflow GPU版本

显卡： GTX 1080

系统： Ubuntu 18.04

 

在尝试了多次在Windows下安装tensorflow GPU版本仍然不成功后，决定在Ubuntu系统上安装tensorflow GPU版本。

 

安装的指导流程为： https://www.pytorials.com/how-to-install-tensorflow-gpu-with-cuda-10-0-for-python-on-ubuntu/

 

虽然最后证明哪条路都不好走，但是好歹还是在Linux上成功了，特此记录几个踩到的坑。

 

1. Ubuntu系统对显卡的支持

虽然Ubuntu系统在安装的时候就能够自动辨识Nvidia的显卡，但是18.04默认安装的显卡驱动是错误的。安装完就出现待机黑屏无法重新点亮的问题，如果不解决这个问题，会直接影响后续CUDA的成功安装。

 

1）使用nvidia-smi命令查看显卡是否正常工作，如果有错误信息，说明显卡驱动不对；

2) 在系统设置的detail中查看显卡的信息是否正确；

3）在Software&Updates中，更改显卡的驱动程序（先装系统检测到的390版本），设置UEFI硬件锁密码，在下次启动的时候，进入BIOS MOK设置;

 

2. 一些基础准备工作

1） 安装好中文输入法，方便查找问题；在安装了中文支持之后，需要重启一次，才能安装拼音输入法；

2） 使用sudo apt-get install python*方式安装python, pip等必要库;

sudo apt-get install python3-sklearn

在这个阶段，不推荐使用anaconda安装；

3） 配置好ubuntu以及pip的国内源，否则安装速度让人崩溃；

 

3. 安装CUDA及cuDNN

在Nvidia官网中，虽然有详细的教程，但是在安装过程中依然有问题：

1) 在Ubuntu 18.04版本下，Nvidia推荐CUDA 10.0；按照官网的流程安装完成后，重启，然后使用nvcc -V检查版本信息是否正确；第一次在没有解决显卡驱动的情况下，安装不成功；后来显卡问题解决后，CUDA的安装也正常了。

2）cuDNN的安装，官网的流程（deb文件安装），还需要把cuDNN.h以及libcudnn*.so文件拷到/usr/local/cuda-10.0/下相应的include（.h）和lib64（.so）文件夹下，并修改访问权限；

deb安装并没有自动把这些文件拷贝到正确的路径中；

官方安装教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

还有测试的方法

3）NCCL库的安装，由于只有一个GPU，可以先不管（其实跟cuDNN是一个问题，deb安装后，没有把文件装到正确的路径中）

4）把CUDA ，cuDNN和NCCL的版本号记录下来，后面编译的时候需要使用；在本次安装中，分别为10.0和7.4.2；

 

4. 从源代码用bazel编译tensorflow GPU

现在tensforflow GPU的预编译文件（1.12版本）不支持CUDA 10.0，只支持CUDA 9.0；因此直接用pip install安装，会报错找不到.so文件。只能用bazel从源代码编译tensorflow，在windows环境下同样需要从源代码编译。

 

1）NCCL的配置时，用1.3，编译的时候会自动下载安装；

2）需要把python3和python2都安装，否则会报错；

3）同时安装pip和pip3时，发生了报错（__main__错误），可使用sudo python3 -m pip uninstall pip && sudo apt install python3 -pip –reinstall修复

4）记得在配置时选上GPU支持，否则就白折腾了。

 

5. 几个还不知道答案的问题

1）Ubuntu 18.04是否可以安装CUDA 9.0，然后直接用pip install？

2）NCCL库没有使用最新的版本，是否影响性能？

 

祝踩坑愉快！