linux 下 tensorflow GPU/CPU版本安装、环境搭建
tensorflow(00)–环境搭建
本文将展示如何在 debian 下安装 CPU/GPU 版本的 tensorflow1.12.0
本文使用的基本环境：deepin15.9(基于debian8)、python3.6、pip9
一、 CPU 版本安装
直接使用 pip 进行安装即可：
pip install tensorflow
# 可使用 ‘==1.x.x’ 指定版本。[eg.] pip install tensorflow==1.6
二、GPU 版本安装
本文依据的机器环境如下：
显卡：NVIDIA GFX150
显卡驱动版本：390.67
gcc 版本：7.3.0注意：截止本文，安装 GPU 版本的 tensorflow 需要 NVIDIA 的显卡支持，因此
接下来的操作都是在显卡驱动正确安装的基础之上的。（使用 deepin 的用户使用 deepin 的
显卡驱动管理器进行切换即可。其次在安装 cuda 时有安装驱动的选项，由于本人已经安装好了
NVIDIA 的闭源驱动因此并未勾选，没有安装驱动的读者不妨一试）
1. 安装 tensorflow
pip install tensorflow-gpu
2. 安装 cuda
2.1 确定所需 cuda 版本
在终端下的 python 环境中（或新建一个 py 文件点击运行）：
import tensorflow as tf
接下来将会报错，会提示你缺少库文件（由于我们没有安装 cuda）：
ImportError: libcublas.so.9.0: cannot open shared object file
以上代码即表明 cuda9.0 未安装成功。不同的 tensorflow 版本对应的 cuda 不同因此报错所需的 libcublas.so 库文件版本也不同。
大多数教程都是先安装 cuda 在安装 tensorflow，但由于tensorflow、cuda、cudnn这三者之间的版本依赖非常严格，因此存在这样一个问题，即教程书写者的配置、操作是正确的（如果不指定版本，pip 将默认安装最新版本的库，由此导致版本不同），对于阅读者来说可能就不正确了。事实上本人就踩了这个坑，安装了 2 次 cuda 才安装成功。因此本文先安装 tensorflow，安装完成之后运行 tensorflow，缺什么补什么。
2.2 下载并安装 cuda
下载：
传送门：https://developer.nvidia.com/cuda-downloads
上述页面中直接提供下载的是 cuda 的最新版本，需要其他版本的读者移步：
https://developer.nvidia.com/cuda-toolkit-archive
选择目标平台（根据自身平台选择）,本文所使用的 cuda 平台选择如下：
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal
Linux -> x86_64 -> Ubuntu -> 17.02 -> runfile(local)
安装：
（在终端中进入下载目录，本文下载目录为 ~/Downloads/）
sudo sh cuda_9.2.148_396.37_linux.run # cuda_9.2.148_396.37_linux 是你下载的版本
之后会有一系列选择（安装位置、是否创建 samples 、是否安装显卡驱动等）根据自身需要选择，
本文除了安装 NVIDIA 显卡一项选择 n 外其余都选择 y 或默认。
环境变量：
需要将以下三个目录添加到环境变量：
① PATH 中添加：/usr/local/cuda/bin
② 添加变量：LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64
验证安装是否成功，在终端中输入：
nvcc -V
如果显示版本号即安装成功。（本文版本号：release 9.0, V9.0.176）
任何修改环境变量不在赘述。
3. 安装 cuDDN
cuDDN 的安装非常简单：下载对应版本后解压、设置环境变量即可。（下载 cuDDN 需要注册 NVIDIA 账号）
传送门：https://developer.nvidia.com/cudnn
注意： 切记选择你对应的 cuda 版本的 cuDDN。
（本文：Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 9.2）
下载完成后将之解压到任意目录（推荐 /opt）。
环境变量
① 追加变量：LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/opt/cuda/lib64
至此安转完毕，用一个简单的例子检验是否安装成功：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
GPU 版本的 tensorflow 安装完成后会默认导入 GPU 版，可能出现以下错误：
警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
这是因为你使用了 GPU 版本的缘故，忽略即可。