深度學習環境搭建：Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0

目錄

• 深度學習環境搭建：Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0
  • Reference
  • 硬件說明：
  • 軟件準備：
• 1. 安裝Ubuntu16.04
• 2. 安裝顯卡驅動
• 3.安裝Cuda8.0
• 4. 安裝Cudnn6.0
• 5. 清華源安裝Anaconda
• 6. 安裝tensorflow
• 7. 驗證您的安裝
  • 運行一個簡短的 TensorFlow 程序
• 8. 卸載cudnn5.1升級爲cudnn6.0

深度學習環境搭建：Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0

Reference

---

https://zhuanlan.zhihu.com/p/31430631?utm_source=com.tencent.tim&utm_medium=social&utm_oi=1002237860644270080

硬件說明：

---

顯卡：gtx-1080，8G顯存

NVIDIA Corporation Device 1b80

軟件準備：

---

深度學習環境必須適配，不能版本之間必須匹配，這些庫之間有依賴關係。

個人環境用的是：

1. ubuntu 16.04
2. Python3.5 # tensorflow沒法徹底支持3.6版本的，3.5比較穩定
3. Cuda8.0 # 目前Ubuntu16.04對cuda8.0的版本支持較好，同時Tensorflow對cuda9.0不太友好，所以咱們選擇Cuda8.0
4. Cudnn6.0
5. Tensorflow1.4.0

1. 安裝Ubuntu16.04

從Ubuntu官網下載鏡像，並用U盤安裝。

安裝完成以後更新系統。

sudo apt-get update 
sudo apt-get upgrade

2. 安裝顯卡驅動

能夠參考http://www.javashuo.com/article/p-xnmjkllw-cw.html

親測可用，可是須要注意須要去英偉達官網下載適合本身電腦的版本（nvidia網頁能夠本身測出你的電腦所須要的型號）,具體安裝過程參考以上博客。

重啓電腦，經過nvidia-smi命令查看驅動信息，若是成功顯示，那麼驅動安裝成功

3.安裝Cuda8.0

從NVIDIA官網https://developer.nvidia.com/cuda-release-candidate-download下載適合的CUDA版本，目前官網最新的版本是9.0，可是我很是不建議你們使用最新版本。

咱們選擇linux平臺，下載runfile。執行；

sudo ./cuda_8.0.61_375.26_linux.run

咱們已經安裝好了384，這一步選擇n，剩下的一路yes就行。

最後須要配置環境變量，讓咱們安裝的CUDA生效。

（1）打開sudo gedit ~/.bashrc，在最後面添加兩行以下：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（2）設置環境變量和動態連接庫，打開sudo gedit /etc/profile，在文件末尾加入：

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

（3）建立連接文件，打開sudo gedit /etc/ld.so.conf.d/cuda.conf，在文件中添加：

/usr/local/cuda/lib64

最後執行 sudo ldconfig，使上述設置當即生效。

測試CUDA：

執行如下命令：

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery

make

./deviceQuery

能夠看到詳細信息，最後結果是Pass，則CUDA安裝成功，不然就是哪裏有問題（利用Google和百度解決）。

4. 安裝Cudnn6.0

在NIVIDA開發者官網上，找到cudnn的下載頁面: https://developer.nvidia.com/rdp/cudnn-download ，選擇"Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0" 中的 "cuDNN v6.0 Library for Linux":

下載後安裝很是簡單，就是解壓而後拷貝到相應的系統CUDA路徑下：

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
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*

or

sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local

5. 清華源安裝Anaconda

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

將一下源加入，能夠加速

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

建議選擇Anaconda3-4.2.0-Linux-x86_64.sh（版本4.2）進行安裝，由於支持python3.5，經過命令chmod +x Anaconda3-4.2.0-Linux-x86_64.sh & ./Anaconda3-4.2.0-Linux-x86_64.sh就能夠進行安裝，安裝過程按照提示來就能夠，比較簡單。

6. 安裝tensorflow

參考官網：https://www.tensorflow.org/install/install_linux?hl=zh-cn#InstallingAnaconda

首先建立一個anaconda虛擬環境：

conda create -n tensorflow python=3.5

經過發出如下命令激活 conda 環境：

source activate tensorflow

發出如下格式的命令以在 conda 環境中安裝 TensorFlow：

pip install --ignore-installed --upgrade tensorflow-gpu==1.4.0

7. 驗證您的安裝

運行一個簡短的 TensorFlow 程序

從 shell 中調用 Python，以下所示：

$ python

在 Python 交互式 shell 中輸入如下幾行簡短的程序代碼：

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

若是系統輸出如下內容，說明您能夠開始編寫 TensorFlow 程序了：

Hello, TensorFlow!

若是系統輸出一條錯誤消息而不是問候語，請參閱常見的安裝問題。

8. 卸載cudnn5.1升級爲cudnn6.0

一、解壓出一個名爲cuda的文件夾，文件夾中有include和lib64兩個文件夾
二、刪除原來的cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*12

三、安裝安裝須要版本的cudnn，在終端cd到剛解壓的cuda文件夾

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/12

四、cd到/usr/local/cuda/lib64/文件夾下，創建軟連接（注意版本號換成你本身的）

sudo chmod +r libcudnn.so.5.0.5  
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig  1234

五、檢測

cd /usr/local/cuda/lib64/
ll12

cudnn版本更新完畢