Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）

Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）

1 安装Ubuntu 18.04

（1）准备安装U盘

用UltraISO将ISO镜像写入U盘，选择写入硬盘映像。

（2）安装Ubuntu

（3）更换国内源

备份原来的源

sudo cp /etc/apt/sources.list /etc/apt/sources_init.list

使用gedit打开文档更换源

sudo gedit /etc/apt/sources.list

将阿里源复制进去替换所有内容，然后点击保存关闭

deb http://mirrors.aliyun.com/ubuntu/ xenial main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security universe

更新源

sudo apt-get update

复损坏的软件包，尝试卸载出错的包，重新安装正确版本的。

sudo apt-get -f install

更新软件

 sudo apt-get upgrade

2 安装NVIDIA显卡驱动

（1）禁用nouveau驱动

编辑文件blacklist.conf

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

在文件最后部分插入以下两行内容

blacklist nouveau
options nouveau modeset=0

更新系统

sudo update-initramfs -u

重启系统

验证nouveau是否已禁用

lsmod | grep nouveau

没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。

（2）添加ppa源

打开终端，加入官方ppa源。

sudo add-apt-repository ppa:graphics-drivers/ppa

输入密码并按enter键确认。之后刷新软件库。

sudo apt-get update

（3）安装NVIDIA显卡驱动

到NVIDIA官网查看应安装版本
https://www.nvidia.cn/Download/index.aspx?lang=cn

打开软件更新->附加驱动->选择对应版本号驱动->应用更改，重启系统

perform mok management（不一定会出现）

安装完显卡驱动后，系统需要重启加载驱动，注意如果按照上述流程进行驱动安装，那在重启系统时，会出现一个蓝色背景的界面 perform mok management，正确的做法如下：

(1)当进入蓝色背景的界面perform mok management 后，选择 enroll mok ,
(2)进入enroll mok 界面，选择 continue ,
(3)进入enroll the key 界面，选择 yes ,
(4)接下来输入在安装驱动时输入的密码，
(5)之后会跳到蓝色背景的界面perform mok management 选择第一个 reboot

这样，重启后驱动就加载了

测试一下是否安装成功

nvidia-smi
nvidia-settings

3 安装CUDA

（1）下载CUDA和cuDNN

首先进入tensorflow网站查看支持的CUDA和cuDNN版本
https://tensorflow.google.cn/install/source

到NVIDIA官网下载对应版本的CUDA，选择runfile格式
https://developer.nvidia.com/cuda-downloads

到NVIDIA官网下载对应版本的cuDNN，登录，下载cuDNN Library for Linux
https://developer.nvidia.com/cudnn

（2）安装CDUA

所在目录下打开终端，运行

sudo sh cuda_xxxxxx.run

取消安装驱动的选项，完成安装

添加环境变量，运行

sudo gedit ~/.bashrc

在文件末尾添加：

export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

运行，使文件生效

source ~/.bashrc

运行其中一个来测试是否安装成功

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

（3）安装cuDNN

解压并进入文件夹打开终端运行

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

在终端查看CUDNN版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

4 安装配置Anaconda

（1）下载安装Anaconda

到官网下载Anaconda
https://www.anaconda.com/distribution/

运行安装

bash Anaconda3-xxxxxx.sh

（2）创建环境

创建名为tf的环境，并安装pip

conda create -n tf pip

激活tf环境

source activate tf

进行pip换源，在~目录下创建.pip文件夹

mkdir .pip

运行

sudo gedit ~/.pip/pip.conf

写入以下内容并保存

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

（3）安装TensorFlow，Keras，jupyter

安装tensorflow GPU版

pip install tensorflow-gpu

安装keras

pip install keras

安装jupyter

pip install jupyter

安装jupyter扩展插件nbextensions

pip install jupyter_contrib_nbextensions

运行jupyter

jupyter notebook

测试是否安装成功

import tensorflow
import keras

如出现错误可重启后再试，如还提示找不到文件则检查环境变量