Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）
Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）
- Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）
- 1 安装Ubuntu 18.04
- （1）准备安装U盘
- （2）安装Ubuntu
- （3）更换国内源
- 2 安装NVIDIA显卡驱动
- （1）禁用nouveau驱动
- （2）添加ppa源
- （3）安装NVIDIA显卡驱动
- 3 安装CUDA
- （1）下载CUDA和cuDNN
- （2）安装CDUA
- （3）安装cuDNN
- 4 安装配置Anaconda
- （1）下载安装Anaconda
- （2）创建环境
- （3）安装TensorFlow，Keras，jupyter
Ubuntu 18.04 一步一步搭建深度学习环境（TensorFlow GPU版）
1 安装Ubuntu 18.04
（1）准备安装U盘
用UltraISO将ISO镜像写入U盘，选择写入硬盘映像。
（2）安装Ubuntu
（3）更换国内源
备份原来的源
sudo cp /etc/apt/sources.list /etc/apt/sources_init.list
使用gedit打开文档更换源
sudo gedit /etc/apt/sources.list
将阿里源复制进去替换所有内容，然后点击保存关闭
deb http://mirrors.aliyun.com/ubuntu/ xenial main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security universe
更新源
sudo apt-get update
复损坏的软件包，尝试卸载出错的包，重新安装正确版本的。
sudo apt-get -f install
更新软件
sudo apt-get upgrade
2 安装NVIDIA显卡驱动
（1）禁用nouveau驱动
编辑文件blacklist.conf
sudo gedit /etc/modprobe.d/blacklist.conf
在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
更新系统
sudo update-initramfs -u
重启系统
验证nouveau是否已禁用
lsmod | grep nouveau
没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。
（2）添加ppa源
打开终端，加入官方ppa源。
sudo add-apt-repository ppa:graphics-drivers/ppa
输入密码并按enter键确认。之后刷新软件库。
sudo apt-get update
（3）安装NVIDIA显卡驱动
到NVIDIA官网查看应安装版本
https://www.nvidia.cn/Download/index.aspx?lang=cn
打开软件更新->附加驱动->选择对应版本号驱动->应用更改，重启系统
perform mok management（不一定会出现）
安装完显卡驱动后，系统需要重启加载驱动，注意如果按照上述流程进行驱动安装，那在重启系统时，会出现一个蓝色背景的界面 perform mok management，正确的做法如下：
(1)当进入蓝色背景的界面perform mok management 后，选择 enroll mok ,
(2)进入enroll mok 界面，选择 continue ,
(3)进入enroll the key 界面，选择 yes ,
(4)接下来输入在安装驱动时输入的密码，
(5)之后会跳到蓝色背景的界面perform mok management 选择第一个 reboot这样，重启后驱动就加载了
测试一下是否安装成功
nvidia-smi
nvidia-settings
3 安装CUDA
（1）下载CUDA和cuDNN
首先进入tensorflow网站查看支持的CUDA和cuDNN版本
https://tensorflow.google.cn/install/source
到NVIDIA官网下载对应版本的CUDA，选择runfile格式
https://developer.nvidia.com/cuda-downloads
到NVIDIA官网下载对应版本的cuDNN，登录，下载cuDNN Library for Linux
https://developer.nvidia.com/cudnn
（2）安装CDUA
所在目录下打开终端，运行
sudo sh cuda_xxxxxx.run
取消安装驱动的选项，完成安装
添加环境变量，运行
sudo gedit ~/.bashrc
在文件末尾添加：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
运行，使文件生效
source ~/.bashrc
运行其中一个来测试是否安装成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
（3）安装cuDNN
解压并进入文件夹打开终端运行
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*
在终端查看CUDNN版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
4 安装配置Anaconda
（1）下载安装Anaconda
到官网下载Anaconda
https://www.anaconda.com/distribution/
运行安装
bash Anaconda3-xxxxxx.sh
（2）创建环境
创建名为tf的环境，并安装pip
conda create -n tf pip
激活tf环境
source activate tf
进行pip换源，在~目录下创建.pip文件夹
mkdir .pip
运行
sudo gedit ~/.pip/pip.conf
写入以下内容并保存
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
（3）安装TensorFlow，Keras，jupyter
安装tensorflow GPU版
pip install tensorflow-gpu
安装keras
pip install keras
安装jupyter
pip install jupyter
安装jupyter扩展插件nbextensions
pip install jupyter_contrib_nbextensions
运行jupyter
jupyter notebook
测试是否安装成功
import tensorflow
import keras
如出现错误可重启后再试，如还提示找不到文件则检查环境变量