Ubuntu16.04安装tensorflow-GPU

1、服务器没有root权限，如screen等工具只能安装在子节点，需要下载源码编译或安装包等。

2、版本信息：Ubuntu 16.04.2，Python 3.7.1，conda 4.5.13。这里安装完miniconda之后会默认覆盖为python2.7.13，但因为后面有conda创建的python3.6虚拟环境用于匹配tensorflow，因此不需要特意安装python3。如果查到方便的py2更新到py3的方法，会更新在这里。

3、源。由于清华anaconda源5月16被封停，因此选择中科大源：中科大源。

4、服务器有GPU（PH402，32*4GB），大约有60G左右内存，选择安装tensorflow-gpu，需要对应tf、cuda和cudnn版本，参考TF GPU 支持、经过测试的构建配置。

     这里选择tensorflow-gpu-1.12.0、cuda 9、cudnn 9。

     另外注意以上配置中python版本最高为3.6，可以参考python3.7切换python3.6。

5、具体的安装步骤参考，Ubuntu 16.04安装配置TensorFlow GPU版本（最详细），Ubuntu16.04下安装cuda和cudnn的三种方法（简单参考），ubuntu中使用conda安装tensorflow-gpu（安装tf的命令）。

     第一个链接中，有以下几个注意的地方：

Enter Toolkit Location
 [ default is /usr/local/cuda-8.0 ]:  

     这里需要设置子节点的默认路径：/home/***/.usr/cuda-9.0。

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

     这里选择n。因为没有sudo权限。

Enter CUDA Samples Location
 [ default is /home/kinny ]:

     这里设置路径为：/home/***/.usr/cuda-samples。

export PATH="$PATH:/usr/local/cuda-8.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"

     这里环境变量按对应的路径设置。

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 /usr/local/cuda/lib64/libcudnn*

     这里安装cudnn需要注意路径，另外由于子节点文件有r权限，可以不加chmod命令行。

     第三个链接中，有两个需要注意的地方：

     首先，需要Create conda env to install tf：conda create -n tensorflow python=3.6。

     然后，注意修改tf版本号：conda install tensorflow-gpu==1.12.0。

     这里可以参考：Tensorflow GPU install on ubuntu 16.04和ubuntu16.04在anaconda中基于python3.6安装tensorflow。

     如下图所示，tf-gpu即安装成功。这里需要激活conda虚拟环境：source activate tensorflow。

                           

     退出虚拟环境：source deactivate。退出conda默认的base环境使用相同命令。参考：安装 aconda 后Linux的终端界面前部出现（base）字样。

6、如果需要keras，在刚刚那个激活的conda虚拟环境中执行：pip install keras。

                           

7、检测tf是否使用gpu计算。

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

     查看日志信息若包含gpu信息，就是使用了gpu。 参考：检测tensorflow是否使用gpu进行计算。

8、如果需要修改或删除以上tensorflow环境，参考：conda 创建/删除/重命名 环境。

9、之后尝试使用Docker安装，参考：支持 GPU 的 TensorFlow Docker 映像（仅限 Linux）。