ubuntu16.04 安装tensorflow-gpu1.3 cuda8 cudnn6.0

第一步 安装NVIDIA显卡驱动

不安装的只安了cuda和cudnn它会报这样的错误，ImportError: libcuda.so.1: cannot open shared object file: No such file or directory，所以要安装显卡驱动，如果附加驱动里面没有选项？sudo apt-get install 一下就可以了

 

1. 打开terminal（怎么打开？纳尼问度娘！），输入sudo apt-get update 更新系统（NVIDIA比较新的内核版本和ubuntu新版本有一定的对应关系；注意更新之后下次打开系统的时候在ubuntu选择页面选择新的内核的ubuntu，那个是新的？当然是数字大的那个就是啊）

2. 安装显卡驱动 打开 系统设置-软件更新-附加驱动，选择见图：

3.这里重启电脑！！！

打开NVIDIA X Server Settings,图像如下就是安装成功啦（网上其他验证方法都可以参考啦）

ps:如果中途哪里弄错了，还是可以卸载原驱动重新安装滴，卸载方法：

sudo apt-get remove --purge nvidia --*,重新安装请看第一步即可。

 

第二步 安装CUDA8.0

1.下载CUDA8.0

CUDA 8.0下载地址：

https://developer.nvidia.com/cuda-80-ga2-download-archive

选择linux的deb版本，选择如下图，网上也有选择runfile版本，deb版本下好后是一个beb文件，runfile下好后是一个run文件，这两种都可以

 

2. gcc降低版本，其实ubuntu16.04自带的gcc5.4是支持我们下的这个比较新cuda8.0.61版本的，不降级是可以的。

由于这里gcc5.0以上版本和将要安装的环境不匹配，而ubuntu16.04自带gcc5.0以上版本，所以这里可以先在终端输入:

gcc --version

从而查看gcc的版本，如果在5.0以下就请调到下一个小步骤。降版本请在终端输入下面的几行命令：

再在终端输入：

gcc --version

结果如下：

 

3. CUDA8.0的安装

在下载好的文件夹所在目录里打开终端。在终端输入如图所示的三行命令：

安装好之后，会在ubuntu的/usr/local目录下出现一个名字叫cuda-8.0的文件夹和一个名字叫cuda的文件夹快捷方式，这个快捷方式指向cuda-8.0，其实就是点进去后就是cuda8.0里面的东西

4. 配置环境变量：

先在终端执行如下命令打开配置环境变量的环境：

sudo gedit ~/.bashrc

再在打开的文档的最低端加上两行命令：

保存并关闭，执行如下命令使环境生效：

source ~/.bashrc

真正安装我加的是这三行命令，应该都可以：

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-8.0

export PATH=/usr/local/cuda-8.0/bin:$PATH

安装cudnn：

去官网找对应的cuda的cudnn，应该只要下一个就行了吧，下载好后放在home目录下，

 

输入

tar xvzf cudnn-8.0-linux-x64-v6.0-ga.tgz（这个是你下好的cudnn文件名字，因人而异，就是个解压操作，也可以鼠标右击解压）比如解压 解压后会看到一个cuda文件夹，里面包含了include以及lib64两个子目录里面放了几个文件。

接下来这三条说是命令其实就是复制操作，就是把你解压出来的cudnn几个文件复制到指定的文件夹中。在home目录下，就是直接进终端所在的目录执行：

sudo cp cuda/include/cudnn.h  /usr/local/cuda/include 回车

sudo cp cuda/lib64/libcudnn*  /usr/local/cuda/lib64 回车

sudo chmod a+r /usr/local/cuda/include/cudnn.h/  usr/local/cuda/lib64/libcudnn*  回车 应该就配置完了。

但在有的博客cudnn下了四个文件：其他大部分教程应该都只下了第一个，是不是因为deb和runfile的不同，如果到上面还没装好，那我们就继续下其他三个，

 

2. 安装和验证

在下载目录下打开终端，执行下图四行代码进行解压其中一个压缩包并配置文件，图中是cuda9和cudnn7。这个无所谓，只是演示而已：

接下来解压剩下的三个安装包：

 

下面进行安装验证，如图：也可以找个卷积网络跑一下

 

 

 

第四步 安装tensorflow

1. 首先安装Anaconda3-4.2.0-Linux-x86_64,64位系统，它对应的python是3.5,而4.3对应的是python3.6,下好后是一个.sh文件
参考下面这个链

https://blog.csdn.net/u012318074/article/details/77074665

 

2：安装 pip install tensorflow-gpu==1.4.0
卸载:pip uninstall tensorflow-gpu==1.4.0
用pip安装是最容易的，用pip安装只会装tensorflow-gpu，其他的依赖比如我们上面装得cuda和cudnn还得自己装，所以还有一种conda安装
conda install tensorflow-gpu==1.3
注意这里我好像只能装gpu1.3, 装1.4提示找不到包，用conda装tensorflow-gpu==1.3，它还会自动把运行tensorflow-gpu1.3的一些依赖比如cuda8.0和cudnn6给装上，非常方便，就不用上面我们自己手动装cuda和cudnn，好像用conda安装都是这样，一次性给你解决但有时找不到对应的包，但是用conda安装虽然我能运行成功tensorflow-gpu,测试了一个卷积网络，但是在我找的ctpn程序中运行却有问题，提示找不到CUDA_HOME和一些环境变量问题，感觉还是自己手动安装比较稳妥，
我是用conda安装的tensorflow-gpu，它自动安装的cuda和cudnn安在/home/wjc/anaconda3/pkgs这个目录下
了，我又手动装了cuda8.0,系统自动安在/usr/local目录下，并添加环境变量后，可以执行我的ctpn.不手动装cuda，会报错没有nvcc。

总结一下：你用conda装tensoeflow-gpu超级方便，自动给你装cuda和cudnn，而且环境变量也不用管，应该是自动弄好
要么你手动装cuda。先用conda装，有问题再手动装cuda

这里特别注意tensorflow的版本，根据官方文档（如下图），在博客里所说的配置下可以安装tensorflow1.4.0版本，博主就好几次因为安装了最新的tensorflow导致安装失败好几天找不到原因。

这里附上官方安装说明地址：

https://tensorflow.google.cn/install/install_linux

好啦，等待一会就安装好啦，接下来就是验证了。

 

第五步 安装验证

在终端输入 python ,即转入python输入，

然后输入代码:

[python] view plain copy

1. import tensorflow as tf  
2. hello = tf.constant('Hello, Word!')  
3. sess = tf.Session()  
4. print(sess.run(hello))  

如果输出‘Hello, World!’即说明安装成功~

大功告成啦