Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程

Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程

简介：

tensorflow支持CUDA9.0和cuDNN7.0，因此本教程是在该版本基础上进行安装的。我的电脑CPU是Intel core i7 4710MQ，GPU是GTX940M，请大家在安装前自己检查下硬件是否符合要求。

Ubuntu 18.04

请更新的系统 https://blog.csdn.net/qq_35976351/article/details/89178917

win10系统

https://blog.csdn.net/qq_35976351/article/details/83041890

系统说明：

最好是Ubuntu16.04的，Ubuntu17.10也可以。CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己进行配置，具体过程在这里不再赘述。其他的系统参照下面的配图，一般来说只要是GCC和硬件满足要求都行：

安装CUDA® Toolkit 9.0.

CUDA9.0下载地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

注意，一定是要是CUDA9.0而不是CUDA9.1，否则tensorflow运行时会报错(我第一次就选错了)！！！首次进入下载需要邮件注册，大家找一个邮件注册后就可以了。注册完成后，再进入上边的那个链接就行。
选择版本的过程，按照黑笔画出的标记：

假设我们把CUDA的安装包下载到~/Downloads文件夹中。之后，在这里打开终端，依次输入下面的命令：

1. sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
2. sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
3. sudo apt-get update
4. sudo apt-get install cuda

再CUDA完成安装之后，还需要添加环境变量，打开终端，输入下面的命令：

1. export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
2. 如果是64位系统，输入：
   export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3. 如果是32位系统，输入：
   export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

上述过程完成了整个的CUDA9.0的安装

安装cuDNN v7.0.

**cuDNN v7.0.**下载地址：https://developer.nvidia.com/cudnn
用之前下载CUDA注册的邮箱登录就行。

进入之后点击Download，之后进入下载界面，选择上I Agree To the Terms of the cuDNN Software License Agreement的复选框，一次要选择上正确的版本！！！！！看下图黑笔标记的

同样的，假设下载目录是~/Downloads，在这里打开终端，之后输入以下命令：
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
注意，上述命令中的可能会由于cudnn版本的细微差异而不同，注意tab键补齐就行。之后等待完成cuDNN的安装。

安装Tensorflow-GPU版本

GPU相比于CPU，再运算速度上有很大的优势，这也是本文推荐安装GPU版本的原因。

Tensorflow总共有4中安装方式，在这里，我们使用Google官方推荐的安装方式：Virtualenv，创建一个虚拟Python开发环境。

1. 安装pip和Virtualenv
   打开终端；
   如果使用Python 2.7的版本，输入sudo apt-get install python-pip python-dev python-virtualenv
   如果使用Python 3.x的版本，输入sudo apt-get install python3-pip python3-dev python-virtualenv
   两者选择一个就行，个人推荐Python 3.x版本

2. 创造一个虚拟的Python开发环境：
   第一步如果选择Python 2.7版本，终端输入：virtualenv --system-site-packages ~/tensorflow
   第一步如果选择Python 3.x版本，终端输入：virtualenv --system-site-packages -p python3 ~/tensorflow
   注意，~/tensorflow是自己选择的位置并创建的目录。大家可以自行选择其他的位置和命名。本教程创建完成之后，会在用户家目录下看到多出的tensorflow文件夹：
   

3. 激活虚拟环境：
   如果你的终端是bash, sh, ksh, zsh中的一个，那么输入：source ~/tensorflow/bin/activate
   如果你的终端是csh,tcsh，那么输入：source ~/tensorflow/bin/activate.csh
   如果你不知道的话。。。。那就输入第一个吧，Ubuntu默认是第一个。。。。。
   之后，会再终端中看到：
   

4. 保证pip的版本不低于8.1，再虚拟环境中输入：easy_install -U pip
   

5. 安装tersorflow-gpu版本：
   Python 2.7版本：pip install --upgrade tensorflow-gpu
   Python 3.x版本：pip3 install --upgrade tensorflow-gpu
   经过这一步骤之后，tensorflow就安装完成了。

   如果安装速度慢，且没法fanqiang的话，可以使用清华的源
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

6. 以后，如果需要使用tenssorflow，则打开终端输入：source ~/tensorflow/bin/activate,如果关闭虚拟环境，输入deactivate即可
   

7. 有些IDE 会自动检测tensorflow创建的虚拟环境，不必在终端中单独开启或者关闭，比如pycharm等。

实际运行检验：
使用pycharm作为IDE，进行检验。
检验代码：

import tensorflow as tf
import numpy as np
x = tf.placeholder("float",shape=[None,1])


W = tf.Variable(tf.zeros([1,1]))
b = tf.Variable(tf.zeros([1]))


y = tf.matmul(x,W) +b

y_ = tf.placeholder("float",[None,1])

cost = tf.reduce_sum(tf.pow((y_-y),2))

train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cost)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)


All_x = np.empty(shape=[1,1])
All_y = np.empty(shape=[1,1])


for i in range(1000):
    x_s = np.random.rand(1,1)

    y_s = np.dot([[0.33]],np.random.rand(1,1)) + 0.33

    feed = {x: x_s, y_: y_s}
    sess.run(train_step,feed_dict=feed)
    print("After %d iteration:"%i)
    print("W : %f"%sess.run(W))
    print("b : %f"%sess.run(b))

    All_x = np.concatenate((All_x,x_s))
    All_y = np.concatenate((All_y,y_s))

print(All_x)
print(All_y)

运行截图：

以上是所有的安装步骤，有解决不了的问题可以再下方留言，我有时间会帮助大家解决。。。。