TensorFlow GPU在ubuntu 18.04上安装的注意事项

虽然说TensorFlow到现在已经发布好几年了，但是在ubuntu上用带GPU的TensorFlow，我认为一直是个灾难，而且这个灾难仍将持续。。。

这个话题，相当简单了，只是配置一下环境而己，但是N多人在上面痛不欲生，我还是写出来吧。有问题尽管给我留言。

我也用过一段时间的tensorflow了，但是今天返过来，还要写安装教程的原因是，今天早上手贱，一个命令：

$ sudo apt-get autoremove

然后把原来装好的cuda9.0完全remove了，这时候再装上去，很麻烦了。还好一番折腾，搞定。

进入正题。

自己买的笔记本是thinkpad P50的工作站，内置M2000M的显卡，操作系统为ubuntu，可以用做GPU加速来训练模型。

麻烦是，Tensorflow的最近几个版本，对应于cuda 9.0版本。但是现在nvidia的官网上，已经出cuda 10.0的版本了。但是Tensorflow的安装，总是指定只能是cuda9.0的版本。而且ubuntu有个大的问题，和人往高处走一样，一般是就高不就低。这是麻烦造成的根源。

首先还是想办法，怎么在ubuntu上以完美的姿势装上cuda 9.0吧。

如果您的电脑上，已经有cuda的高版本，而且显卡驱动也有了。那么，直接来这一句。

sudo apt-get --purge -y remove 'cuda*'
sudo apt-get --purge -y remove 'nvidia*'

要完全清理掉啊。如果有一些残余，后面更难受。。。不要害怕，运行之后，重启,ubuntu还是能够正常的。不过没有用到显卡的一些特性而已。

如果要离线安装。我建议在 medium网站上看这篇文章。 由于国内看不了medium，尽可能想办法看吧。但是这篇文章写的也早。千万只装一个cuda，不要装tools，，千万不要用文章中的upgrade啊不然的话，版本会升级到9.1那样就麻烦了。

如果完全在线安装，我这边写了一个脚本去解决这个问题

#!/bin/bash -e

#wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
#wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
#wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
#wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl2_2.1.4-1+cuda9.0_amd64.deb
#wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl-dev_2.1.4-1+cuda9.0_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libnccl2_2.1.4-1+cuda9.0_amd64.deb
sudo dpkg -i libnccl-dev_2.1.4-1+cuda9.0_amd64.deb
sudo apt-get update
sudo apt-get install cuda=9.0.176-1
sudo apt-get install libcudnn7-dev
sudo apt-get install libnccl-dev

这儿只是我测试过的，用nvidia的driver 390版本可以用。但是，千万不要任意指定一个版本装driver。。。那样可能引起图形界面崩溃的。

现在完全依靠这脚本，可以把cuda配好。但是里面还有一个版本冲突。
冲突来源于mesg在不同的包中问存在。用–force-overwrite的方法直接盖过去，我用了之后，还没有发现问题。

sudo dpkg -i --force-overwrite /var/cache/apt/archives/libnvidia-compute-390_390.48-0ubuntu3_amd64.deb

这样的话。cuda就完全装好了。
用命令去检测

$ nvidia-smi 
Sun Sep 30 11:23:07 2018       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 396.44                 Driver Version: 396.44                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Quadro M2000M       Off  | 00000000:01:00.0  On |                  N/A |
| N/A   40C    P8    N/A /  N/A |    134MiB /  4043MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1173      G   /usr/lib/xorg/Xorg                           133MiB |
+-----------------------------------------------------------------------------+

这个结果表明nvidia的cuda的那些东西，完全装好了。

等等。还得处理装完之后的残余问题，也就是nvidia的版本，在不断的更新。那么，他提示更新我为9.2，或者10.0版本怎么办？进入安装管理工具。然后去掉。ubuntu的nvidia库的官方在线更新。

这样的话。就万事大吉了。
后面就可以装带gpu的tensorflow了

$ pip3 install  -U tensorflow-gpu

检测脚本如下：

$ cat test.py 
import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

运行结果如下：

$ python3 test.py 
2018-09-30 11:41:20.590788: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2018-09-30 11:41:20.674838: 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
2018-09-30 11:41:20.675610: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1411] Found device 0 with properties: 
name: Quadro M2000M major: 5 minor: 0 memoryClockRate(GHz): 1.137
pciBusID: 0000:01:00.0
totalMemory: 3.95GiB freeMemory: 3.76GiB
2018-09-30 11:41:20.675655: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1490] Adding visible gpu devices: 0
2018-09-30 11:41:21.270939: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-09-30 11:41:21.270966: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977]      0 
2018-09-30 11:41:21.270973: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0:   N 
2018-09-30 11:41:21.271200: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1103] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 3490 MB memory) -> physical GPU (device: 0, name: Quadro M2000M, pci bus id: 0000:01:00.0, compute capability: 5.0)
b'Hello, TensorFlow!'