ubuntu18.04配置深度学习环境tensorflow-gpu（CUDA9.0+CUDNN7.4+Tensorflow1.9.0)

一、硬件配置

在安装之前最好先检查自己的显卡是否支持GPU。
内存：8G
处理器：Intel® Core™ i5-7500 CPU @ 3.40GHz × 4
显卡：GeForce GT 730/PCIe/SSE2
操作系统类型：64位

---

二、安装

安装参照链接（https://zhuanlan.zhihu.com/p/50302396），非常感谢黄大佬的分享，参照以上链接安装基本没问题。
本人一开始错以root用户安装，导致后面在普通用户环境下“他import tensorflow as tf”出现错误

Traceback (most recent call last):
File "", line 1, in
ModuleNotFoundError: No module named 'tensorflow'
以及错误
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
Failed to load the native TensorFlow runtime.

后来是改到普通用户环境下重新执行安装步骤解决问题。

具体安装步骤如下：

1. 英伟达显卡驱动安装

默认安装的显卡驱动不是英伟达的驱动，所以先把旧得驱动删除掉。

sudo apt-get purge nvidia*

禁止自带的nouveau nvidia驱动

sudo vim /etc/modprobe.d/blacklist-nouveau.conf # 打开配置文件

填写禁止配置的内容：

blacklist nouveau
options nouveau modeset=0

更新配置文件，

sudo update-initramfs -u

添加Graphic Drivers PPA

1. sudo add-apt-repository ppa:graphics-drivers/ppa

2. sudo apt-get update

查看合适的驱动版本：

ubuntu-drivers devices

image.png

从图中可以看出可以选择的驱动版本，在这里我选择的版本是396。通过如下命令进行安装：安装完后需要进行重启。

1 # 安装
2 sudo apt-get install nvidia-driver-396
3 # 重启
4 sudo reboot

安装完后，通过如下命令检测是否安装成功，如果成功会显示如下图所示。

sudo nvidia-smi

image.png

sudo nvidia-settings

image.png

完成显卡驱动的安装。

---

2. cuda 9.0 安装

2.1 下载文件

首先在官网上下载run 文件，如图所示，选择合适run文件。

image.png

同时下载4个Patch

2.2 安装依赖库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.3 降低gcc、g++的版本

g++ --version # 查看版本

安装指定版本

1. sudo apt-get install gcc-5
2. sudo apt-get install g++-5

通过命令替换掉之前的版本：

1. sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
2. sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

最后记得再次查看版本是否修改成功。

2.4 安装cuda

进入下载目录后，依次执行命令：
注意：在安装过程中会提示是否需要安装显卡驱动，在这里要选择n，其他的选择y或者回车键进行安装:

1. sudo sh cuda_9.0.176_384.81_linux.run
2. sudo sh cuda_9.0.176.1_linux.run
3. sudo sh cuda_9.0.176.2_linux.run
4. sudo sh cuda_9.0.176.3_linux.run
5. sudo sh cuda_9.0.176.4_linux.run

在~/.bashrc 中设置环境变量：

sudo vi ~/.bashrc

在最后添加：

export PATH=/usr/local/cuda-9.0/bin{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64{LD_LIBRARY_PATH}}

运行

source ~/.bashrc

重启后，测试CUDA是否成功

第一步，进入例子文件
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
第二步，执行make命令
sudo make
第三步
./deviceQuery

如果结果有GPU的信息，说明安装成功。

---

3. 安装CUDNN

下载链接： 官网

需要登录，同意后才能下载。
Download cuDNN v7.4.1(Nov 8, 2018), for CUDA 9.0 --cuDNNLibrary for Linux
下载时候保存为：cudnn-9.0-linux-x64-v7.4.1.5.tgz
进入下载目录，并执行以下命令：

1. tar -zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz
2. sudo cp cuda/include/cudnn.h /usr/local/cuda/include
3. sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
4. sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

没有报错就是全部安装完成了。

---

4. 安装anaconda

1. 下载地址：https://www.anaconda.com/download/

这里下载的是Python 3.7 64bit 的Anaconda3-5.3.0-Linux-x86_64.sh，首先进入下载目录i，直接安装即可。

bash Anaconda3-5.3.0-Linux-x86_64.sh

2. 更改pip和conda为国内的源

A. 更改pip的源为阿里云：

mkdir ~/.pip

cat > ~/.pip/pip.conf << EOF
[global]
trusted-host=mirrors.aliyun.com
index-url=https://mirrors.aliyun.com/pypi/simple/
EOF

B. 更改conda的源为清华大学：

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2. conda config --set show_channel_urls yes

3. 在Anaconda中安装Python3.6的虚拟环境

conda create --name tensorflow python=3.6 #创建tensorflow环境

虚拟环境主要命令：

1. source activate tensorflow #激活tensorflow环境
2. source deactivate tensorflow #退出tensorflow环境
3. conda remove --name tensorflow --all #删除tensorflow环境（全部删除）

---

5. 安装Tensorflow GPU 1.9.0

注意：这里如果直接用pip安装的话，在ubuntu上会直接默认安装到系统默认的python环境中，而不是虚拟环境tensorflow中
激活虚拟环境tensorflow,用conda进行安装

conda install tensorflow-gpu==1.9.0

在使用conda命令时，如果遇到conda命令错误，可以在终端执行

export PATH=~/anaconda3/bin:$PATH

然后再使用conda命令进行安装

参考链接：

1. https://zhuanlan.zhihu.com/p/50302396
2. https://blog.csdn.net/weixin_41863685/article/details/80303963

喜欢就点个赞吧