Ubuntu 16.04 配置 TensorFlow1.12.0 + CUDA9.0 开发环境

本文介绍了在刚安装好的 Ubuntu 16.04 64位系统中，本地直接配置 TensorFlow 1.12.0 开发环境的步骤，不使用 Docker，也没有使用 Python 虚拟环境。本文参考了官方的配置步骤。

添加 NVIDIA 仓库秘钥

 wget -qO - http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub | sudo apt-key add -

添加 NVIDIA 软件仓库

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.deb
sudo apt install ./cuda-repo-ubuntu1604_9.1.85-1_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt update

安装 CUDA 9.0

sudo apt install cuda-9-0 cuda-cublas-9-0 cuda-cufft-9-0 cuda-curand-9-0 \
    cuda-cusolver-9-0 cuda-cusparse-9-0 libcudnn7=7.2.1.38-1+cuda9.0 \
    libnccl2=2.2.13-1+cuda9.0 cuda-command-line-tools-9-0

安装 TensorRT runtime 4.0(可选)

sudo apt install nvinfer-runtime-trt-repo-ubuntu1604-4.0.1-ga-cuda9.0
sudo apt update
sudo apt install libnvinfer4=4.1.2-1+cuda9.0
sudo reboot

安装 TensorFlow 1.12.0

sudo apt install python3-dev python3-pip
pip3 install --user tensorflow-gpu==1.12.0

验证安装是否成功

python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

说明

1. 添加仓库秘钥时，官方文档是使用 sudo apt-key adv --fetch-keys http://...nvidia.com/...，但是在国内这条指令有问题，修改方式有两种：
   一是把域名从 com 改为 cn：sudo apt-key adv --fetch-keys http://...nvidia.cn/...；
   二是改为先下载，再本地添加，如本文所示：wget -qO - http://...nvidia.com/... | sudo apt-key add -。
2. 安装 CUDA 时，官方文档写的是sudo apt install cuda9.0，实际应该是本文中写的sudo apt install cuda-9-0。
3. 安装 TensorRT runtime 时，按照官方步骤直接安装 libnvinfer4 会提示找不到软件包，一定要先安装 nvinfer-runtime-trt-repo-ubuntu1604-4.0.1-ga-cuda9.0，然后系统中会多一个“deb file://…/”开头的本地仓库，这时候再 update，才能顺利安装 libnvinfer4。这个参考了官方文档中安装 CUDA10 的部分，在官方网页右下角切换为英文语言显示即可看到 CUDA10 的安装步骤。
4. 安装 tensorflow-gpu 时，需要指定版本号，否则会安装最新版本，而最新版本的 tensorflow-gpu 已经不支持 CUDA9 了，需要 CUDA10 才行。tensorflow 对 CUDA 版本的依赖可在 tensorflow 官方 git 仓库的发布说明中查到。
5. 安装 CUDA 时会自动安装 nvidia 最新驱动，不需要在配置环境前单独安装 nvidia 驱动。

参考

1. https://tensorflow.google.cn/install/gpu
2. https://tensorflow.google.cn/install/pip