配置深度学习tensorflow GPU版本

1、显卡驱动安装

我笔记本电脑的独立显卡是860m，安装好Ubuntu之后，可以通过Ubuntu自带的Additional Drivers来安装独立显卡驱动（可能驱动不是最新的，但是是系统认为最匹配的，暂且就用这种驱动吧）

step1:安装好Ubuntu首先对系统进行update和upgrade，否则直接装驱动会出错，具体命令如下：

sudo apt-get update

sudo apt-get upgrade

step2:执行完这个两条命令之后，进入system settings ->Software&Updates->Additional Drivers

选择合适的显卡驱动，然后点击Apply changes，安装完之后再执行一下sudo apt-get update和 sudo apt-get upgrade,最后重新启动电脑，重启后可以看使用nvidia-smi可以查看显卡

到此为止可以显卡驱动安装完毕。

2、安装CUDA

因为我使用的tensorflow是1.6版本，所以可以安装cuda9   同时现在cuda时要注意版本，它是和显卡驱动的版本关系的，我的显卡驱动是384.111，不是最新的，但是也没有关系。

我下载的cuda版本为：cuda_9.0.176_384.81_linux.run,注意驱动和cuda都是384，后面的小版本号可以不用管。可能还有两个补丁，可以先不用管。下载完后，如果没有执行权限，用如下命令修改

chmod u+x  cuda_9.0.176_384.81_linux.run

安装一系列的依赖包，否则安装cuda之后，会提示缺失libGLU.so  libxl.so, libXmu.so 模块，具体安装命令如下：

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

安装cuda，下载地址为https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

具体安装cuda命令如下：

sudo sh cuda_9.0.176_384.81_linux.run

接下来会出现协议之类的readme，好像是more命令打开的，按space键浏览到100%，然后提示相关安装选项，具体写法，如截图：

然后在/etc/profile最后进行如下配置

cuda安装后，进行可以测试，如果能显示显卡信息，则安装成功：

可以备份deviceQeury为deviceQeuryBask

cd  /usr/local/cuda/samples/1_Utilities/deviceQeuryBask               

sudo make

./deviceQuery

结果如下：

3、安装cuDNN

到cuDNN官网下载cuda对应的版本cuDNN(要先注册账户)，下载Library for linux压缩包类型，我下载的为cudnn-9.0-linux-x64-v7.1.tgz

具体安装命令如下：

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz                                          //就地解压就行

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

到此为止，安装完成，安装cuDNN就是解压后把相应的文件拷贝到对应的CUDA目录下即可

补充:这样装上去了与后来的tensorflow1.6不匹配,出现这个错误

Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7004 (compatibility version 7000).  If using a binary install, upgrade your CuDNN library to match.  If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.

下载cudnn-9.0-linux-x64-v7.tgz 重新执行上面的命令即可 (也就是用7.0版本覆盖7.1即可)

4、安装gpu本版的tensorflow

我之前安装过tensorlflow，可以不用卸载之前的tensorflow，直接安装gpu-tensorflow即可，具体命令如下：

pip3  install --upgrade tensorflow-gpu==1.6

到此为止，整个安装完成。

5、测试gpu本版的tensorflow