Ubuntu Anaconda安装TensorFlow-GPU

目前时间是2017.10.22，目前的CUDA最新版本是CUDA9，TensorFlow的版本是1.3，一开始安装CUDA9，后来发现TensorFlow不支持，网上有人说可以通过源代码安装TensorFlow，但是我觉得太麻烦了，后来就换了CUDA8，中间遇到了很多版本不对应所产生的问题，下面详细列一下本次安装所使用的安装包的版本号：（亲测可安装成功）

CUDA: cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
cudnn: cudnn-8.0-linux-x64-v5.1.tar
Anaconda: Anaconda3-5.0.0.1-Linux-x86_64.sh

一、安装准备

CUDA下载

cudnn下载

Anaconda下载

在实际的安装过程中，发现目前最新的版本 Tensorflow 并不能支持，后来折腾了好久，才找到上面提到的那几个对应的安装包，百度网盘分享链接，密码：8lpv

二、安装 NVIDIA 驱动

首先打开 terminal，输入一下指令，更新应用列表

1	sudo apt-get update

多亏了Linux社区的强大支持，我们可以用很简洁的方式安装驱动：

按下win按键，打开菜单
然后在上方的type to search中输入：additional drivers打开 “additional drivers —— 附加驱动“，然后选择与自己显卡匹配的NVIDIA驱动，我这里是 using nvidia binary drivers (375)
然后选择 应用更改，这里安装可能会失败，此时你可以继续选择应用更改，多安装几次即可。
安装完成后，选择restart

三、gcc 降版本

CUDA8.0不支持gcc 5.0及以上的编译器，而系统自带的是5.4及以上版本，因此我们需要降版本，否则会在后面报错。

在terminal中输入如下指令，将gcc版本降到 4.9

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++

四、安装 CUDA 8.0

进入cuda安装包所在文件夹，右键打开终端，在终端中输入以下代码

# 根据官网上的提示安装 cuda 8.0
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

五、安装 cudnn

把cudnn-8.0-linux-x64-v5.1.tar解压，右键打开终端，在终端中输入以下代码

1
2
3

sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 将头文件复制进去

六、配置CUDA环境变量

开启 GPU 支持：

根据官网教程，我们在terminal中键入下列命令：

1	sudo gedit ~/.bash_profile # 打开.bash_profile 这是用户的环境变量，不是全局的

然后在打开的文本末尾加入：

1 2	export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda

保存并关闭后，输入下列命令使环境变量生效：

1	source ~/.bash_profile # 使被更改的环境变量生效

安装完成后，一定要通过如下两条命令对驱动进行检验：

NVIDIA的设置界面

1	nvidia-settings # 打开 NVIDIA 设置界面

NVIDIA设置.png

NVIDIA GPU列表

1	nvidia-smi # 这条指令会在 terminal 中产生GPU列表

GPU列表.png

网上有些人抄别人的博客，说nvcc -V就可以验证，经过大神实测，存在nvcc -V正常输出但是驱动仍安装失败的现象，因此，上述验证方法是不可信的。

七、安装Anaconda

进入anaconda安装包所在目录，打开终端，根据版本输入安装命令：

1	bash Anaconda3-5.0.0.1-Linux-x86_64.sh

回车后，是许可文件，接收许可，anaconda将安装在~/anaconda目录下，直接回车就好。

最后会询问是否把anaconda的bin添加到用户的环境变量中，选择yes。

安装成功以后，在终端输入

1	source ~/.bashrc

让.bashrc中添加的路径生效。

当然，你也可以手动完成环境变量的修改：

首先打开环境变量的文件
1
gedit ~/.bashrc

然后在文件末尾加入 anaconda3 的路径

1	export PATH=/home/你的路径/anaconda3/bin:$PATH

最后使我们的改动生效
1
source ~/.bashrc

这样，我们在terminal中输入python就会默认打开anaconda3里默认的python了

八、安装Tensorflow-GPU

创建Tensorflow的运行环境

1	conda create -n tensorflow python=3.5

激活环境,使用 pip 安装 TensorFlow-GPU

1 2	source activate tensorflow pip install tensorflow-gpu keras # 安装 gpu 版本的 tensorflow 和 keras

安装完成后，我们使用如下命令，即可检验是否成功：

1	python -c "import keras"

如果看到如下输出，就说明安装成功

安装成功输出.png

参考文章

Ubuntu 安装 tensorflow-gpu + keras

Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3

CUDA 9.0 + cuDNN 7.0 + Tensorflow源码编译