Ubuntu18.04使用Anaconda安装Tensorflow-gpu

经过了几天的环境搭建，踩了不少坑，将经验分享一下～

一、安装NVIDIA驱动

1.卸载原有NVIDIA驱动

#使用apt方法安装：  
sudo apt-get remove --purge nvidia*

#使用.run文件安装：
sudo chmod +x *.run  
sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall

2.禁用nouveau驱动

sudo gedit /etc/modprobe.d/blacklist.conf

在末尾添加:

blacklist nouveau

然后执行：sudo update-initramfs -u

重启后执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。

3.命令行安装驱动

确定自己所需要安装的驱动版本：

ubuntu-drivers devices

可以看到有目前可以安装的驱动:

driver   : nvidia-340 - distro non-free
driver   : nvidia-driver-390 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

安装390版本驱动:

sudo apt install nvidia-driver-390

安装过程中选择Accept->Continue installation->sign the kernel module（为内核模块签名）？选择是->使用已有的密钥给模块签名还是重新生成？选重新生成密钥->是否删除已生成的密钥文件？选择否->安装完成。完成之后重启。

检查NVIDIA驱动是否安装成功：

nvidia-smi

若显示驱动版本等信息则安装成功。

二、安装CUDA9.0

下载地址：https://developer.nvidia.com/cuda-zone

注意：tensorflow对CUDA的版本有要求，见https://github.com/mind/wheels

cd到所下载的run文件路径，然后执行：

sudo sh cuda_9.0xxx.run --no-opengl-libs #根据自己的包名称替换代码

按照提示安装即可，注意，不要安装CUDA内的NVIDIA驱动！

依次输入：

accept #同意安装
n #不安装NVIDIA驱动
y #安装CUDA Toolkit
Enter #安装到默认目录
y #创建安装目录的软链接
n #不复制Samples，因为在安装目录下有/samples

配置环境变量

安装完成后需要配置环境变量

cd
sudo gedit .bashrc

添加以下路径：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后执行：

source .bashrc

三、安装cuDNN7.0

下载地址：https://developer.nvidia.com/cudnn

简单注册，需要做个调查。

下载完成后，cd进入下载目录，并执行以下命令：

tar -xzvf cudnn-9.0-linux-x64-v7.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

四、安装Anaconda

下载地址：https://www.anaconda.com/download/

根据系统选择对应的安装包（个人建议安装python3.6版本的）

下载完成后，cd到存放目录并执行：

bash Anaconda3-xxxx.sh #xxxx此处对应自己的包

按照提示安装即可，安装路径可以选择默认。

安装完之后执行：

source ~/.bashrc

检查是否安装成功

终端执行：conda list

若提示命令无法找到，则修改.profile文件：

sudo gedit ~/.profile

添加以下几行：

if [ -d "$HOME/anaconda3/bin" ] ; then
    PATH="$HOME/anaconda3/bin:$PATH"
fi 

使生效：

source .profile

安装tensorflow

创建tensorflow环境

conda create -n tensorflow pip python=3.6 #python版本根据要安装的tensorflow选择

激活环境：

source activate tensorflow

安装tensorflow：

pip install --ignore-installed --upgrade tfBinaryURL

注：这里的tfBinaryURL为tensorflow提供的不同版本的包。

举个栗子：

(tensorflow)$ pip install --ignore-installed --upgrade \
 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.8.0-cp34-cp34m-linux_x86_64.whl

验证安装

终端输入：python

然后输入以下代码：

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

注：若报错ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory则可能为安装的CUDA版本与tensorflow不匹配或者环境变量未配置好。

在jupyter-notebook中使用tensorflow环境

激活tensorflow环境后安装jupyter：

pip install jupyter

安装ipykernel：

pip install ipykernel

为jupyter添加tensorflow环境:

python -m ipykernel install --user --name tensorflow --display-name "tensorflow"

–name后的tensorflow为环境名，–display-name为jupyter中显示的kernel名。具体见http://ipython.readthedocs.io/en/stable/install/kernel_install.html

参考文献：
https://blog.csdn.net/cosmoshua/article/details/76644029