tensorflow GPU安装及测试

# 一、TensorFLow-Gpu环境的搭建
## 查看nvidia的型号以便安装相应的驱动
lspci | grep -i nvidia
#这一步非常的重要，一定要看清楚自己的驱动型号，以便能够找到正确的cuda和cudnn的型号

 

 ## 禁用nouveau
#在安装cuda的时候,由于涉及到NVIDIA驱动的安装,使得nouveau驱动与NVIDIA驱动冲突,为了能够继续安装,必须禁用此驱动。
#查看是否有nouveau在运行，如果已经在运行了则按照如下的办法进行金融
lsmod | grep nouveau
#通过配置对应配置文件来禁用nouveau
vi /etc/modprobe.d/blacklist-nouveau.conf
#在配置文件中新增或者将对应项修改成如下的配置
blacklist nouveau

options nouveau modeset=0
#然后重启系统

## 关于gcc降级问题
#如果使用的是CUDA8.0的因为gcc要5.0以下版本问题需要降级，但是因为我们推荐使用的是CUDA9.0，所以不存在这个问题，如果有需要的同学可以参照如下的内容：
sudo apt-get install gcc-4.9

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10

sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30

sudo update-alternatives --set cc /usr/bin/gcc

sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30

sudo update-alternatives --set c++ /usr/bin/g++

## 关于Anaconda的使用

#Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，这个的使用按照大家的使用习惯,可以用也可以不用。

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.1.0-Linux-x86.sh

chmod +x Anaconda3-5.1.0-Linux-x86.sh

./Anaconda3-5.1.0-Linux-x86.sh

## CUDA9.0下载和安装配置

#CUDA可以在Nvidia的官网下载
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux
#在选择好自己对应的系统版本后，我们选择runfile进行安装。
#在下载后对cuda的文件权限进行更改，并启动安装

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

sudo bash cuda_9.0.176_384.81_linux.run

#在安装的过程中会出现一些配置，建议的配置选项如下：

-------------------------------------------------------------
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?

(y)es/(n)o/(q)uit:y
Do you want to install the OpenGL libraries?

(y)es/(n)o/(q)uit default is yes :yes
Do you want to run nvidia-xconfig?

This will update the system X configuration file so that the NVIDIA X driver

is used. The pre-existing X configuration file will be backed up.

This option should not be used on systems that require a custom

X configuration, such as systems with multiple GPU vendors.

(y)es/(n)o/(q)uit  default is no : no
Install the CUDA 9.0 Toolkit?

(y)es/(n)o/(q)uit:yes
Enter Toolkit Location

default is /usr/local/cuda-9.0 :#回车默认即可

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit:no

Install the CUDA 9.0 Samples?

(y)es/(n)o/(q)uit:no

#在系统环境里设置CUDA的路径
vim ~/.bashrc #编辑配置文件

#配置内容

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH

export CUDA_HOME=/usr/local/cuda-9.0

export PATH=/usr/local/cuda-9.0/bin:$PATH

#使配置立即生效

source ~/.bashrc 

## CUDNN的下载和安装配置

#cudnn其实只是NVIDIA深度神经网络软件开发包中的其中一种加速库，我们要用TensorFlow也是支持这个加速工具的，但是这个下载比较麻烦需要有Nvidia的账号才能下载。
#cudnn的下载地址
https://developer.nvidia.com/rdp/cudnn-archive
#将下载文件解压并cp到相应的位置

tar xvzf cudnn-9.0-linux-x64-v7.0.5.1.tgz

sudo ldconfig /usr/local/cuda/lib64  

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 /usr/local/cuda/lib64/libcudnn*

## 安装TensorFlow-gpu
pip3 install tensorflow-gpu==1.10.1
## 测试安装是否成功
#nvidia-smi可以查看当前系统中的GPU运行情况
#使用一段代码来测试一下Tensoflow-gpu在系统中安装情况，以及能够调用GPU
import tensorflow as tf

with tf.device('/cpu:0'):

    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')

    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')

with tf.device('/gpu:1'):

    c = a+b

print(c)

sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))

sess.run(tf.global_variables_initializer())

print(sess.run(c))