Deepin安装Tensorflow-GPU版本

Deepin安装Tensorflow-GPU版本

最近在学习深度学习，在跑一些模型的时候发现利用CPU跑实在是太慢了，于是便想折腾GPU版本的tensorflow，最后折腾成功就想着记录一下，便有了这篇博客。

• 安装Deepin，这一部分不是重点就略过了

• 安装nvidia的驱动

  安装Deepin后打开系统自带的显卡驱动管理器，然后使用最后一个“使用nv-prime方案”，之后等待安装完成重启便可
  

• 安装nvidia-smi

使用sudo apt-get install nvidia-smi安装，然后使用nvidia-smi即可查看GPU的状态

• 降级gcc，g++

由于安装cuda需要gcc与g++版本需要所以将Deepin自带的7.3.0 gcc降级

使用如下命令安装

sudo apt-get install g++-6 gcc-6
cd /usr/bin
sudo mv gcc gcc.bak
sudo ln -s gcc-6 gcc
sudo ln -s g++-6 g++

• 安装cuda9.0

首先到官网 https://developer.nvidia.com/cuda-90-download-archive
下载cuda9.0，依次选择Linux>x86_64>Ubuntu>16.04>runfile文件下载

终端下使用

chmod +x cuda_9.0.176_384.81_linux-run
sudo ./cuda_9.0.176_384.81_linux-run

最后完成安装cuda9.0

• 安装cudnn

从官网下载与cuda9.0对应的cudnn，这里我选择的是cudnn7.5.0版本，然后解压，将接触的文件复制到cuda下

sudo cp cuda/include/* /usr/local/cuda-9.0/include/
sudo cp cuda/lib64/* /usr/local/cuda-9.0/lib64/ 

至此cuda和cudnn便安装完成，之后的事便是安装tensorflow

• 安装anaconda
  安装比较简单，不过多赘述

• 安装tensorflow-gpu

创建tensorflow环境

conda create -n tf python=3.6

激活环境

source activate tf

安装tensorflow-gpu

pip install tensorflow-gpu==1.12

• 测试环境

最后测试一下是否安装成功
在终端中激活tf环境下，输入python，输入import tensorflow as tf，如果没有错误那么tensorflow-gpu就安装成功了