TensorFlow学习（五）之Ubuntu16.04安装TensorFlow———GPU版本（gtx1070+ubuntu16.04）-白红宇

TensorFlow学习（五）之Ubuntu16.04安装TensorFlow———GPU版本（gtx1070+ubuntu16.04）

阅读量：2063 次

发布时间：2019-04-29

本文共 6063 字，大约阅读时间需要 20 分钟。

Ubuntu16.04系统安装系列：

博主研究了下，参考了别人的博客，也出现了问题，然后解决。相信按照接下来的教程是可以很简单的安装TensorFlow-gpu的。

在开始之前，首先得了接大概步骤：1、安装显卡驱动2、安装cuda,3、安装cudnn,4、安装anaconda 5、创建虚拟TensorFlow环境并配置TensorFlow。6、测试是否成功。附加：安装一般的配件库。

注明：本文所有下载的东西博主都默认下载到了home文件夹中下载文件夹中。安装与解压时，请先cd到下载文件夹中。

1、安装显卡驱动

在中选择软件更新中的附加驱动来更新驱动。具体操作：

打开系统设置。找到软件和更新，点进去出现如下界面：

然后点击附件驱动

安装图片点击即可，一定要确保已经联网：完成后点应用更改。亲测有效。

另外还有一种方法，不过前面方法已经可以解决：这个博客博客

最后，检查显卡驱动.]

打开终端。输入以下命令

nvidia-smi

结果如下所示。那个384.130即为你的显卡驱动的型号。

2、安装cuda

首先要了解的是cuda,cudnn,tensorflwo对应的TensorFlow的版本，不然就会出错。相应的版本必须要对应。linux基本对应情况如下图：

确认你要安装的cudn,cudnn，tf的版本。

选择的cuda版本要和安装的驱动想匹配，下图为匹配的版本：

官网为：

博主使用的配置是：cudn9.0,cudnn7,tensorflow-gpu.1.8.0。

先下载cudn: 把他下载到home文件下的下载文件夹中

正式安装cudn：

a、进如home文件下的下载文件夹中，打开终端，输入命令。

sudo sh cuda_..._linux.run 红色部分为你下载的cuda版本，即下载的cuda文件的名字

b、输入命令后，回车，进入安装。安装过程中会让你选择yes or no 。第二个选项 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? 须选择否，因为在之前已经安装好了显卡驱动，无需重新安装。具体按照下面的来选择。

Do you accept the previously read EULA?accept/decline/quit: acceptInstall NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?(y)es/(n)o/(q)uit: nInstall the CUDA 8.0 Toolkit?(y)es/(n)o/(q)uit: yEnter Toolkit Location[ default is /usr/local/cuda-8.0 ]:  Do you want to install a symbolic link at /usr/local/cuda?(y)es/(n)o/(q)uit: yInstall the CUDA 8.0 Samples?(y)es/(n)o/(q)uit: y Enter CUDA Samples Location[ default is /home/dexter ]:

一路进行，完成。

c、添加环境变量

在终端输入： gedit ~/.bashrc

然后在打开的文件最后写入：

export PATH="$PATH:/usr/local/cuda-9.0/bin"

export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64"

划重点：写入的时候，一定要确认你的cuda版本号，我这里是cuda9，则就是写入上面的命令。若是你安装的是cuda8，请把这条命令中9改为8.博主在第一次的时候就搞错了，导致一直不成功。万一和博主一样这样粗心，不要紧，在文字最后面也有解决方案。

保存并关闭文件，然后在终端输入：source ~/.bashrc

如此使得环境更改生效。

d、cuda测试：

打开终端，切换到位置：~/ NVIDIA_CUDA-9.0_Samples （同样，你安装的是什么版本的cuda,就切换到那个文件夹中）

命令行输入：make （此步编译时间很长，有可能你会看到光标不动，不用理，因为确实要很久）

打开终端，切换到位置：~/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release

终端输入：./deviceQuery

如果显示类似下图，则说明CUDA安装且配置成功！

3、cudnn安装

cudnn安装就较简单了，基本上就是解压，然后复制到具体文件夹中。具体如下：

首先下载cudnn：

进入下载文件中，打开终端输入以下四条命令。输入一条命令后按回车，接着输入吓一跳命令：

tar xvzf cudnn-9.0-...tgz （红色部分为你下载的cudann版本，即下载的cudann文件的名字）

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64

sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

重点：一定要把9变成你所要安装的cuda版本。博主是cuda9。或者直接手动输入就不会错。

相当于解压缩+复制粘贴，手动复制粘贴也是没问题的。到此cuDNN安装完毕。

4、安装anaconda

a、下载anaconda.

下载如下版本。

b、安装

进入annaconda下载的文件夹中，打开终端，输如命令：bash Anaconda...Linux-x86_64.sh (红色部分为下载的anaconda版本文件名）

c、安装时，出现让你选择yes or no ,则选yes。就会自动配置文件，可是有的时候你选择yes会一直显示说让你retry，说明这样就是配置不成功。则需要手动配置，如下：

配置文件：将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin

输入命令： sudo gedit ~/.bashrc

接着就会自动打开一个文件

export PATH="$PATH:~/anaconda3/bin" 将此句填在bashrc文件末尾中，然后保存后关闭。

在输入命令： source ~/.bashrc 使得更改配置生效

d：若是要卸载anaconda：

参考：https://blog.csdn.net/qq_22474567/article/details/54984257

（1）删除整个anaconda目录： rm -rf anaconda文件夹名

（2）清理下.bashrc中的Anaconda路径：

1.到根目录下，打开终端并输入：sudo gedit ~/.bashrc

2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除)：

#export PATH=/home/lq/anaconda3/bin:$PATH

保存并关闭文件

3.使其立即生效，在终端执行：source ~/.bashrc

4.关闭终端，然后再重启一个新的终端

e 常见点镜像源

添加中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

或者添加清华源

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

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --set show_channel_urls yes

5、创建虚拟TensorFlow环境并配置TensorFlow

a、使用conda指令创建虚拟环境

创建环境：打开终端，输入命令：conda create --name tf python=3.6 （注：tf是虚拟环境的名字，可以随便取。3.6是你要安装的Python版本，也可以指定）

环境创建完，就要激活环境：输入命令：source activate tf

附加：若要退出环境：则输入：source deactivate

若需要删除环境：conda remove -n tf --all

b、TensorFlow-gpu安装

激活环境后，在tf环境中，输入如下命令中的任何一种命令即可：

conda install -c jjhelmus tensorflow-gpu （此版本可能较低，安装后可能需要升级）

conda install -c jjhelmus/label/tflow_180 tensorflow-gpu （此版本是TensorFlow-gpu1.8.0版本，博主就是这个版本，推荐）

conda install -c jjhelmus/label/tflow_110_testing tensorflow-gpu

至此，所有配置已经完成，可以跳到第六步去试试是否正确。

还推荐一些其他的库：

安装keras：pip install keras

安装opencv3：conda install -c https://conda.anaconda.org/menpo opencv3

6、测试是否成功

官网上的测试程序。对一个线性数据进行训练的demo。

打开终端，激活环境后，输入命令：vi test.py

把代码复制进去：

import tensorflow as tfimport numpy as np# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3x_data = np.random.rand(100).astype(np.float32)y_data = x_data * 0.1 + 0.3# Try to find values for W and b that compute y_data = W * x_data + b# (We know that W should be 0.1 and b 0.3, but TensorFlow will# figure that out for us.)W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))b = tf.Variable(tf.zeros([1]))y = W * x_data + b# Minimize the mean squared errors.loss = tf.reduce_mean(tf.square(y - y_data))optimizer = tf.train.GradientDescentOptimizer(0.5)train = optimizer.minimize(loss)# Before starting, initialize the variables.  We will 'run' this first.init = tf.initialize_all_variables()# Launch the graph.sess = tf.Session()sess.run(init)# Fit the line.for step in range(201):    sess.run(train)    if step % 20 == 0:        print(step, sess.run(W), sess.run(b))# Learns best fit is W: [0.1], b: [0.3]

保存退出后。输入命令：python test.py

出现如下界面即成功