tensorflow在windows和ubuntu环境下GPU版本的安装与配置
目录
特别说明:
一、windows下的配置
0、准备工作
1、python3.5安装
2、cuda9.0的安装
3、cudnn7.0的安装
4、tensorflow1.9的安装
5、测试
二、Ubuntu下的配置
0、准备工作.
0.1、安装显卡驱动
0.2、下载cuda
0.3、下载cudnn
1、cuda9.0的安装
2、cudnn的配置
3、tensorflow1.9的安装
3.1、python2.7安装tensorflow-gpu
3.2、python3.5安装tensorflow-gpu
4、测试
4.1python2.7下测试
4.2python3.5下测试
5、可能遇到的问题
三、总结
特别说明:
只支持Nvidia显卡，而且计算能力要在3.0以上(含3.0)，计算能力可以在英伟达官网查询：https://developer.nvidia.com/cuda-gpus
友情链接：tensorflow在windows和ubuntu环境下CPU版本的安装与配置
一、windows下的配置
0、准备工作
1）下载python，我下载的是python3.5，地址为：https://www.python.org/ftp/python/3.5.2/python-3.5.2-amd64.exe
2）下载cuda，我下载的是cuda9.0，地址为：https://developer.nvidia.com/cuda-toolkit-archive
3）下载cudnn，我下载的cudnn7.0，地址为：https://developer.nvidia.com/rdp/cudnn-archive
说明：1）前两个下载的都是exe文件，后面下载的是一个压缩包
2）下载cudnn要进行注册，有账号的可以直接登陆下载
1、python3.5安装
双击下载好的python的exe文件，选择Install now，并勾选下面的Add Python 3.5 to Path（这步很重要，不然要自己配置系统的环境变量）——>之后按自己的习惯安装就好了。
2、cuda9.0的安装
双击下载好的cuda的exe文件，按精简安装就好，这步比较简单。
3、cudnn7.0的安装
解压文件，里面有bin、include、lib三个目录，把里边的文件进行一些复制操作，具体为：
将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
4、tensorflow1.9的安装
打开命令行（快捷键为：win键+R，然后输入cmd，回车即可），输入下面的命令：
pip install tensorflow-gpu或者：
pip install --upgrade tensorflow-gpu两者实质差别不大，加了--upgrade意思是按最新的版本安装。命令输完后回车，然后耐心等待十几分钟即可。
5、测试
在命令行中输入python，会进入python，然后输入import tensorflow as tf，如果没报错，说明已经安装成功了，而且此处会打印出GPU的一些信息。
python
...#此处省略打印的内容
>>import tensorflow as tf二、Ubuntu下的配置
0、准备工作.
安装好ubuntu，我的是ubuntu16.04
0.1、安装显卡驱动
可以通过下载安装包进行安装，但比较麻烦，具体可以参考其他博客，此处提供一个更简单的方法。
在系统设置中于此选择：系统设置->软件更新->附加驱动->选择nvidia最新驱动->应用更改，如果附加驱动里面为空，则把软件更新中的服务器地址改为清华的镜像，进行更新操作后会有附加驱动选项。
驱动安装后记得重启后才能生效。
驱动安装测试：在终端中输入下面命令，如果打印出GPU的信息，则表明安装成功，如果找不到命令则说明安装失败，此时可以重新进行安装。
驱动的其他安装方法可以参考此博客：https://blog.csdn.net/chenyuping333/article/details/81705528
nvidia-smi0.2、下载cuda
我下载的是cuda9.0，地址为：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal
我依次选择的版本是：linux-->x86_64-->ubuntu-->deb[local]-->Base Installer-->download,可以根据自己的要求来选择版本。
0.3、下载cudnn
下载的cudnn7.0，地址为：https://developer.nvidia.com/rdp/cudnn-archive
我的选择依次为：Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0-->cuDNN v7.0.5 Library for Linux,可以根据自己的要啊求来选择版本。
说明：1）下载cudnn要进行注册，有账号的可以直接登陆下载
2）因为ubuntu16.04是自带python2.7和python3.5，所以无需额外安装python，操作比较简单。而且在python2 和 python3下都可以同时安装相同的库，互不影响。
1、cuda9.0的安装
在下载好的cuda的目录下打开终端并执行以下命令：
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda 2、cudnn的配置
解压下载好的cudnn文件，然后执行下面的操作，实质就是复制到指定的文件目录下。
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/ 3、tensorflow1.9的安装
python2 和python3可以同时安装，互不影响，只是在运行时，默认为python2，如果要运行python3，则要在终端输入python3。因此，下面的3.1和3.2选一个安装就可以，也可以同时安装。
3.1、python2.7安装tensorflow-gpu
打开一个终端（快捷键为：ctrl+alt+t），输入下面的命令（和windows差不多，只是多加了一个sudo）：
sudo pip install tensorflow-gpu
#或者是这个命令
sudo pip install --upgrade tensorflow-gpu两个命令选一个就行，实质的差别不大。命令输完后回车，然后耐心等待十几分钟即可。
3.2、python3.5安装tensorflow-gpu
打开一个终端（快捷键为：ctrl+alt+t），输入下面的命令（pip默认为2，所以此处要指定pip3）：
sudo pip3 install tensorflow-gpu
#或者是这个命令
sudo pip3 install --upgrade tensorflow-gpu两个命令选一个就行，实质的差别不大。命令输完后回车，然后耐心等待十几分钟即可。
4、测试
4.1python2.7下测试
在命令行钟输入python，会进入python，然后输入import tensorflow as tf，如果没报错，说明已经安装成功了，而且此处会打印出GPU的一些信息。
python
...#此处省略打印的内容
>>import tensorflow as tf4.2python3.5下测试
在命令行钟输入python3，会进入python，然后输入import tensorflow as tf，如果没报错，说明已经安装成功了，而且此处会打印出GPU的一些信息。
python3
...#此处省略打印的内容
>>import tensorflow as tf5、可能遇到的问题
可能会报错：ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
原因：环境变量配置问题
解决办法：在～/.bashrc中添加环境变量,首先打开配置文件，在终端中输入下面的命令：
sudo gedit ~/.bashrc在打开打开的文件中的末尾添加以下内容：
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda修改完成后，在终端输入以下命令使得修改生效，而不用关机重启;
source ~/.bashrc
三、总结
GPU版本安装的重点是cuda和cudnn的安装，而且cudnn要安装和cuda相对应的版本，不然会报错。 cpu版本的安装更加简单，可以参考我的另一篇博客：tensorflow在windows和ubuntu环境下CPU版本的安装与配置
