Ubuntu18 tensorflow-gpu + keras + python3 深度学习GPU 环境配置

1. 环境配置说明

几乎花了一整天时间来配置环境，看了很多中文/英文的教程，重装了n次系统才终于装好环境。以下教程采用真机进行配置，并且不使用虚拟环境。

2. 安装 Python3.6 ，Pip3

首先安装python3.6 与 pip3：

$ sudo apt-get install python3
$ sudo apt-get install python3-pip

3. 安装显卡驱动

1. 添加源

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update

2. 查看可用驱动

使用如下命令来查看可用驱动：
$ ubuntu-drivers devices

可用驱动

3. 安装驱动

从可用驱动中选择一个来安装，安装完请重启（必须）
$ sudo apt-get install nvidia-driver-396

重启后使用如下命令查看显卡信息，可以显示则安装成功
sudo nvidia-smi

显卡信息

！注意，如果显卡驱动安装失败，看看之前是否安装过其他显卡驱动，先卸载干净后再尝试安装。

4. 安装cuda

1. 下载 cuda 9.0
   去 官网下载安装文件，如图所示：
   

   

   cuda
   
   千万注意，下载选择 runfile, 避免莫名其妙的错误。

2. 降低 gcc 版本
   由于gcc高版本会不兼容cuda9.0，需要安装低版本gcc，看一下gcc的版本：

$ g++ --version

如果大于5，就需要安装低版本的gcc：

$ sudo apt-get install gcc-5
$ sudo apt-get install g++-5
$ sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
$ sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

然后再次查看替换是否成功：

$ g++ --version

g++

3. 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

4. 安装cuda

$ sudo sh cuda_9.0.176_384.81_linux.run

注意安装过程中问是否安装显卡驱动要选择为： n

5. 安装vim

$ sudo apt-get install vim

6. 用vim写入路径（i：进入编辑 esc：退出编辑 :wq 保存退出）

$ sudo  vim ~/.bashrc

在文档最后加入：

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

不习惯用vim 也可以使用 gedit编辑。

5. 安装 cuDNN

到官网下载 cuDNN，需要注册。对应选择9.0，如图所示：

cuDNN

下载如图所示的三个包：

cuDNN 3

然后进入所在目录安装三个包 ，代码为示例，请根据您下载的真实的文件名安装：

$ sudo dpkg -i libcudnn7_7.0.+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.0-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.0-1+cuda9.0_amd64.deb

安装好后用如下代码进行测试，显示pass就意味着安装成功：

$ cp -r /usr/src/cudnn_samples_v7/ $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

6. 安装 tensorflow-gpu , keras

安装代码如下，速度慢的话请自行更换pip源

$ pip3 install tensorflow-gpu
$ pip3 install keras

7. 安装vscode

去官网下载deb安装包，双击安装。进入vscode 后安装python插件，注意确保您目前的环境是在您自己安装的python3.6下：

python3.6

8. 测试

在vscode 里新建一个 test.py 文件， 输入如下代码：

from keras import backend as K
K.tensorflow_backend._get_available_gpus()

按F5 运行，出现显卡信息则环境配置成功。

enjoy coding ~~~~~

注意：如果使用得是zsh终端，那么应该
vim ~/.zshrc
加入环境路径, 然后
source ~/.zshrc

ps：如果遇到疑难杂症欢迎交流:-D