Ubuntu14.04安装cuda8.0+cudnn5.1+Tensorflow1.0.0（GPU）教程

温馨提示：

   本安装教程为TensorFlow GPU预编译安装教程，安装过程比较复杂，如果安装过程中出现错误，请先排除已经出现的错误，否则很容易导致无法成功安装TensorFlow。

   安装过程中，安装过程中，如果对Linux命令操作陌生，请自行熟悉。

操作系统：Ubuntu14.04 lts

cuda版本：cuda_8.0.61_375.26_linux.run

cudnn版本：cudnn-8.0-linux-x64-v5.1.tgz

预先安装依赖项：Anaconda、gcc、bazel

1、安装Anaconda

首先在Anaconda官网下载.sh文件，此处我下载的是bash Anaconda3-4.4.0-Linux-x86_64.sh

然后进入下载目录下，通过以下命令安装Anaconda：

bash Anaconda3-4.4.0-Linux-x86_64.sh

一直按enter键确定需要选择的项，直到完成安装。

安装完成后，程序提示是否把anaconda3的binary路径加入到.bashrc，选择yes即可。

然后通过以下命令，将ubuntu14.04自带的python3.4升级到最新的python3.6:

conda update conda

conda update anaconda

conda create -n mylab anaconda

conda create -n py3 python=3 anaconda

source activate py3

python -V

如果没有报错，则表示安装成功。

2、安装gcc

直接在终端输入以下命令（电脑处于联网状态）：

sudo apt-get build-dep gcc

等到安装完成。

通过以下命令可以查看gcc的版本：

gcc --version

3、 安装bazel

首先需要安装bazel的依赖项JDK8，安装命令如下:

sudo add-apt-repository ppa:webupd8team/java

sudo apt-get update

sudo apt-get install oracle-java8-installer

注意：如果你没有安装add-apt-repository命令，需要执行sudo apt-get install software-properties-common命令(http://manpages.ubuntu.com/manpages/wily/man1/add-apt-repository.1.html)

然后才能够按照bazel官网的安装方法进行安装。

第一步：添加bazel包源

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list

curl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add -

第二步：更新安装bazel

sudo apt-get update && sudo apt-get install bazel

安装完成后如果没有提示任何错误则表示成功安装。

4、安装cuda

在https://developer.nvidia.com/cuda-downloads中下载对应版本的cuda，此处根据我的系统选择的是cuda_8.0.61_375.26_linux.run版本，文件大小为1.4G.

进入到刚才下载的cuda位置，更改权限：

sudo chmod +x cuda_8.0.61_375.26_linux.run

同时按住ctrl+alt+F1进入命令行模式（注：ctrl+alt+F1~F6分别表示打开6个对应的命令对话界面，ctrl+alt+F7用于切换界面），然后登陆用户，并通过下面的命令关闭显卡驱动：

sudo /etc/init.d/lightdm stop

运行cuda安装包：

sudo ./cuda_8.0.61_375.26_linux.run

等待1~2分钟，会出现◆◆◆◆1%。直接按下Q键，然后选择accept接受协议，遇到选择(y)es/n(o)/(q)uit的全部选择y，遇到需要确认安装路径的全部选择回车键（默认路径），然后等待安装完成。

安装完成后运行：

sudo /etc/init.d/lightdm restart

如果成功回到图形操作界面，则在终端中进行添加变量路径，否则可以输入startx回到图形操作界面。

设置环境变量，直接在终端中输入以下命令：

gidit .bashrc

然后进入编辑文件中，在最后添加以下路径

  export PATH=”/usr/local/cuda-8.0/bin:$PATH ”

export  LD_LIBRARY_PATH=”/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH ” 

保存修改并退出。

然后输入以下命令检测cuda是否安装成功：

nvcc -V

5、安装cudnn

进入到cuda-8.0的安装目录

cd /usr/local

然后将下载好的cudnn5.1进行解压（这里cudnn放在Downloads下的）

sudo tar -zxvf ~/Downloads/cudnn-8.0-linux-x64-v5.1.tgz

6、编译安装Tensorflow

如果以上步骤均正确安装，则可进行后续安装，否则在后续编译会出错。安装过程中需要在线下载，因此提前联网。

第一步：下载Tensorflow1.0.0-rc0的源代码

wget https://github.com/tensorflow/tensorflow/archive/v1.0.0-rc0.tar.gz

第二步：解压以下载好的Tensorflow1.0.0，注意确保和你下载的文件名一致

tar -zxvf v1.0.0-rc0.tar.gz

第三步：解压完成且未报任何错误，进入Tensorflow代码仓库的目录，然后执行下面的命令进行配置：

cd tensorflow-1.0.0-rc0

./configure

第四步：选择python路径，确保是anaconda的python路径即可(x表示我的主机名，每个人的可能不一样)：

  Please specify the location of python. [Default is /home/x/anaconda3/bin/python]:

直接按回车键。

第五步：选择CPU编译优化选项，默认的-march=native将选择本地CPU能支持的最佳配置，这一步也直接选择默认配置，按回车键确认即可：

Please specify optimization flags to use during compilation [Default is -march=native]:

第六步：选择是否使用jemalloc作为默认的malloc实现（仅限Linux），直接选择默认设置，输入y即可：

Do you wish to use jemalloc as the malloc implementation? (Linux only) [Y/n]:

第七步：选择是否开启Google Cloud Platform的支持，输入N即可：

Do you wish to build Tensorflow with Google Cloud Platform support？[y/n]:

第八步：选择是否需要支持Hadoop File System，如果有读取HDFS数据的需求，则输入y，否则输入默认的N即可：

Do you wish to build Tensorflow with Hadoop File System support? [y/n]:

第九步：选择是否开启XLA JIT编译功能支持，可以选择输入y：

Do you wish to build Tensorflow with the XLA just-in-time compiler (experimental)? [y/n]:

第十步：然后选择python的library路径，依然选择anaconda的路径，直接回车确认即可：

Please input the desired Python library path to use. Default is [/home/x/anaconda3/ lib/python/3.6/site-packages]:

第十一步：接着选择是否需要支持OpenCL，输入n即可：

Do you wish to build Tensorflow with OpenCL support? [y/n]:

第十一步：接着选择是否需要支持CUDA，输入y即可：

Do you wish to build Tensorflow with CUDA support? [y/n]:

第十二步：接下来选择指定的gcc编译器，直接选择默认即可（注意查看一下/usr/bin里面是否存在gcc）：

Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]:

第十三步：选择要使用的CUDA版本，输入8.0，回车：

Please specify the Cuda SDK version you want to use, e.g. 7.0. [Leave empty to use system default]:

第十四步：选择CUDA的安装路径，这里不能选择默认路径，需要输入/usr/local/cuda-8.0:

Please specify the location where CUDA toolkit is installed. Refer to README.md for more detailes. [Default is /usr/local/cuda]:

第十五步：选择要使用的cuDNN版本，输入5.1，回车：

Please specify the Cudnn version you want to use. [Leave empty to use system default]:

第十六步：选择cuDNN的安装路径，如果默认路径是/usr/local/cuda-8.0，则直接回车，否则输入/usr/local/cuda-8.0:

Please specify the location where cuDNN library is installed. Refer to README.md for more detailes. [Default is /usr/local/cuda-8.0]:

确认之后可能还会出现让你选择cudnn的版本和路径，这个时候全部直接回车确认就行。

第十七步：选择GPU的计算能力，这里我的是6.1，不清楚可以去英伟达官网查询：

Please note that each additional compute capability significantly increases your build time and binary size.[Default is: “3.5,5.2”]

至此，配置完成，配置过程中会下载对应需要其他库的代码仓库，等待下载完成即可。

第十八步：编译GPU版本的TensorFlow，执行以下命令，进行编译，整个编译会持续半个小时以上，耐心等待：

bazel build --copt=-march=native -c opt --config=cuda //tensorflow/tools/ pip_package:build_pip_package

第十九步：编译完成之后，执行命令生成pip安装包：

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

生成之后，可以在根目录下的tmp/tensorflow_pkg中看到一个.whl文件

第二十步：安装生成的.whl文件

pip install /tmp/tensorflow_pkg/tensorflow-1.0.0rc0-cp36-cp36m-linux_x86_64.whl

参考：

1、Anaconda安装以及更改python版本：http://www.jianshu.com/p/0e28a8f581ff?utm_campaign=hugo&utm_medium=reader_share&utm_content=note&utm_source=weixin-friends&from=singlemessage&isappinstalled=1

2、bazel安装教程： http://blog.csdn.net/u010510350/article/details/52247972

3、cuda安装：https://zhuanlan.zhihu.com/p/27700114

http://blog.csdn.net/l297969586/article/details/53320706

4、《TensorFlow实战》TensorFlow安装教程

感谢以上博主或版主的详细分析！