Linux非root用户安装tensorflow1.12.0-gpu + cuda9.0 + cudnn7.5.0

简介

  最近做的一个项目需要使用GPU来做深度学习训练任务，在查询了一些资料后，自己成功安装配置了好了tensorflow-gpu，下面是我安装过程的一些经验。

安装Anaconda

  Anaconda是一个功能强大的环境管理器，可以很方便地管理和切换不同的python环境，做深度学习任务时很推荐安装。Anaconda下载网址在这里，根据系统配置选择相应的下载即可。比如我的系统是RHEL7，就选择Linux_64_x86下载。

安装tensorflow-gpu 1.12.0

  Anaconda安装完成后，就可以创建一个新的python环境，如下：

conda create -n tensorflow python=3.5

  这样就创建了一个名字为tensorflow，python版本为3.5的新环境。-n后面为环境名，python版本也可以自己选择。conda删除环境的命令为：

conda remove -n tensorflow --all

  创建好环境后，使用如下命令进入和退出环境：

conda activate tensorflow
conda deactivate

  进入tensorflow环境后，就可以使用pip来下载相应的package，比如需要的tensorflow-gpu1.12.0，使用国内的清华镜像源下载速度会更快：

pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

  package下载完成后可以用如下命令检查是否安装成功：

pip list

安装cuda9.0和cudnn7.5.0

  安装cuda9.0之前先确认主机上有可用的GPU，然后检查Nvidia显卡驱动版本，使用如下命令：

cat /proc/driver/nvidia/version

  存在Nvidia显卡的话会输出如上信息，这里驱动版本是390.25，查阅驱动版本和cuda对应关系表后，选择cuda9.0和cudnn7.5.0下载。如果主机上没有Nvidia驱动，需要先下载安装Nvidia驱动。对应表格如下：


  cuda下载网址，根据显卡驱动版本和系统选择相应的下载，最后选择runfile版本。cudnn下载网址，需要先创建Nvidia Developer账号后才能下载，注意要和cuda版本和主机操作系统匹配。
  下载完成后，使用如下命令运行安装安装cuda和cudnn：

sh NVIDIA-Linux-x86_64-384.183.run（下载的cuda包）

rpm2cpio libcudnn7-7.5.0.56-1.cuda9.0.x86_64.rpm | cpio -dvim（下载的cudnn包，根据不同格式用不同解压命令，这里我下载的是Red Hat系统的rpm包）

  由于我们的安装是在非root权限下，所以在安装cuda的过程中需要自己设置安装路径，比如/home/用户名/cuda-9.0；此外cuda安装过程还需要设置一个sample目录，比如/home/用户名/cuda-sample。安装过程中其它需要用到root权限选择no即可，如driver驱动的安装选择no。cudnn包解压后，需要将其目录下的库文件复制到cuda目录下并修改权限：
  cp cudnn/include/cudnn.h cuda-9.0/include/
  cp cudnn/lib64/libcudnn* cuda-9.0/lib64
  chmod a+r cuda-9.0/include/cudnn/h cuda-9.0/lib64/libcudnn*
接着修改用户的环境变量，进入/home/用户名/.bashrc文件，加入下面语句：
  export PATH=$HOME/cuda-9.0/bin:$PATH
  export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda-9.0/lib64/
修改之后source ~/.bashrc使环境变量生效。

验证安装是否成功

  使用nvcc -V命令可以查看安装的cuda版本，之后用conda activate tensorflow进入指定python环境。输入python后进入python开发环境，输入import tensorflow，若无错误，则不会输出信息；若有错误，则根据错误信息检查tensorflow，cuda，cudnn版本是否匹配。