Ubantu系统和TensorFlow安装完整教程

 

ubuntu16.04 

 

软碟通的使用

左下角点中u盘

文件-打开-ubuntu安装文件

启动-写入硬盘映像

写入方式-HDD+

便携启动-这个自己查吧，好像是Syslinux

 

 

镜像地址 https://www.ubuntu.com/download/alternative-downloads 

这里的版本什么都不要动，别下最新版，就这个版本，安装文件下载run文件，别下deb文件。

 

 

 CUDA 8.0

 

 

cuDNN v5

 

 

1.安装ubuntu16.04 LTS 系统

下载系统文件以后用软碟通考进U盘里面，这里要设置两个，注意注意

写入方式：USB-ZIP+

便捷启动：写入新的硬盘主引导记录（MBR）-USB-ZIP+

 

刚开机的时候按del或者F2，选U盘的时候，两个一样的U盘，选没有uefi文字更少的那一个

 

安装，什么都不选，其他

/给10g以上，安装系统的，主分区

boot没多少，1g足够，主分区

swap给16g或者更少，逻辑分区

剩的全是home，逻辑分区

 

剩下的没有选择全是安装，慢慢等。

 

 

 

2. 安装NVIDIA驱动

安装驱动之前，一个很重要的工作，在开机启动的时候按住f10进入bios界面，系统设置-传统启动enable安全启动disable

这个极其之重要，把安全启动关了。惠普的本子按住f10保存之后，还有什么数字然后回车确认。反正这个安全启动不关怎么都是错。

 

1. 先卸载原有N卡驱动

#for case1: original driver installed by apt-get:
sudo apt-get remove --purge nvidia*

#for case2: original driver installed by runfile:
sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall

如果原驱动是用apt-get安装的，就用第1种方法卸载。 
如果原驱动是用runfile安装的，就用–uninstall命令卸载。其实，用runfile安装的时候也会卸载掉之前的驱动，所以不手动卸载亦可。

 

2. 禁用nouveau驱动

sudo gedit /etc/modprobe.d/blacklist.conf

•  

在文本最后添加：（禁用nouveau第三方驱动，之后也不需要改回来）

blacklist nouveau
options nouveau modeset=0

然后执行：sudo update-initramfs -u

重启后，执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。

3. 禁用X-Window服务

sudo service lightdm stop #这会关闭图形界面，但不用紧张

•  

大坑在这，关闭图形界面之前，看一下自己的驱动安装程序放在哪，对着文件夹点击右键属性能看见。

然后进入命令行，用cd一步一步进入然后再输命令

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录即可。

 

安装的过程中有很多的选择问题，这里没记录，上网查一下。

 

小提示：在命令行输入：sudo service lightdm start ，然后按Ctrl-Alt+F7即可恢复到图形界面。

 

4. 命令行安装驱动

#给驱动run文件赋予执行权限：
sudo chmod +x NVIDIA-Linux-x86_64-384.59.run
#后面的参数非常重要，不可省略：
sudo ./NVIDIA-Linux-x86_64-384.59.run –-no-opengl-files --no-x-check –-no-nouveau-check（大坑！！！！）

• --no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。（no前面是双杠！！！！！）
• --no-x-check：表示安装驱动时不检查X服务，非必需。
• --no-nouveau-check：表示安装驱动时不检查nouveau，非必需。
• -Z, --disable-nouveau：禁用nouveau。此参数非必需，因为之前已经手动禁用了nouveau。
• -A：查看更多高级选项。

必选参数解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。

按照如下步骤安装

(1)Accept

(2)contiuned install

(3) Unable to find a suitable destination to install 32-bit compatibility libraries. Your system may not be set up for 32-bit compatibility. 32-bit compatibility files will not be installed; if you wish to install them, re-run the installation and set a valid directory with the --compat32-libdir option.

 然后这里也没什么事，直接继续就可以了，想要解决的话，也可以尝试一下安装下面的东西（没试过）

sudo optitude install ia32-libs

(4)would you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X driver will be used when you restart X ? Any pre-existing X configuration file will be backed up 

直接选择 NO，意思是安装驱动时不检查X服务

 

(5) Installation of the NVIDIA Accelerated Graphics Driver for Linux-x86_64(version:390.25) is now complete.  Please update your XF86Config or xorg.conf file as appropriate;see the file

/usr/share/doc/NVIDIA_GLX-1.0/README.txt for details.

只有一个选项，选择Ok就行了。

然后键入重启

sudo reboot

 

 

最后重新启动图形环境

$sudo service lightdm start

之后，按照提示安装，成功后重启即可。 

如果提示安装失败，不要急着重启电脑，重复以上步骤，多安装几次即可。

Driver测试：

nvidia-smi #若列出GPU的信息列表，表示驱动安装成功
nvidia-settings #若弹出设置对话框，亦表示驱动安装成功

 

3. 安装CUDA     

sudo chmod +x cuda_8.0.61_375.26_linux.run 
sudo ./cuda_8.0.61_375.26_linux.run --no-opengl-libs

• --no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
• 这之后它显示more（0百分之），按q弹出选项栏继续

之后，按照提示安装即可。我依次选择了：

accept #同意安装
n #不安装Driver，因为已安装最新驱动
y #安装CUDA Toolkit
 #安装到默认目录
y #创建安装目录的软链接
n #不复制Samples，因为在安装目录下有/samples

 

CUDA Sample测试：（很可能要装完环境变量才能用）

 

#编译并测试设备 deviceQuery：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest：
cd ../bandwidthTest
sudo make
./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。

gcc降版本不知道用不用

 

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部，终端输入：sudo gedit ~/.bashrc ，在打开的文档末尾插入如下内容保存即可。

export PATH=/usr/local/cuda-8.0/bin\${PATH:+:\${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}

 

 安装cuDNN（自己目前安的是5）

如何安装cudnn

首先说一下网上大多数中文安装cuDNN教程的错误方式，这种方式真的坑人无数。

简单地说网上的大多错误的安装cuDNN的方式都是将下载后的cuDNN压缩包解压。然后再将cudnn的头文件（cuda/include目录下的.h文件）复制到cuda安装路径的include路径下，将cudnn的库文件（cuda/lib64目录下的所有文件）复制到cuda安装路径的lib64路径下。这种方法如果不重置cuDNN相应的符号链接的话是不能成功的安装cuDNN的。

下面我们说一下正确的安装cuDNN方式，其实跟着官方安装说明进行安装就可以了。

1. 从https://developer.nvidia.com/cudnn上下载cudnn相应版本的压缩包（可能需要注册或登录）。

2. 如果这个压缩包不是.tgz格式的，把这个压缩包重命名为.tgz格式。解压当前的.tgz格式的软件包到系统中的任意路径（这个路径很重要，以下将该路径的绝对路径简称为/your/path/to/cudnn），解压后的文件夹名为cuda，文件夹中包含两个文件夹：一个为include，另一个为lib64。 
   例如：我将这个压缩包解压在了/usr/local目录下，那么该文件的绝对路径为/usr/local/cuda

3. 将解压后的文件中的lib64文件夹关联到环境变量中。这一步很重要。

   cd ~
   sudo gedit .bashrc

•  

在弹出的gedit文档编辑器（.bashrc中）中最后一行加入：

   export LD_LIBRARY_PATH=/your/path/to/cudnn/lib64:$LD_LIBRARY_PATH

•  

其中/your/path/to/cudnn/lib64是指.tgz解压后的文件所在路径中的lib64文件夹。 
保存更改的文件后，紧接着：

   source .bashrc

•  

再重启一下Terminal（终端），该步骤可以成功的配置cuDNN的Lib文件。

配置cuDNN的最后一步就是将解压后的cuDNN文件夹（一般该文件名为cuda）中的include文件夹（/your/path/to/cudnn/include）中的cudnn.h文件拷贝到/usr/local/cuda/include中，由于进入了系统路径，因此执行该操作时需要获取管理员权限。

打开终端，进入/your/path/to/cudnn/include。其中/your/path/to/cudnn/include指的是.tgz解压后的文件所在路径中的include文件夹。例如：

   cd cuda/include
   sudo cp *.h /usr/local/cuda/include/

•  

其中这里的cuda/include对于我自己的安装来说就是/your/path/to/cudnn/include。因为我将cudnn的.tgz压缩包解压到了home的当前用户的路径下，解压后的文件夹名为cuda。

之后，再重置cudnn.h文件的读写权限：

   sudo chmod a+r /usr/local/cuda/include/cudnn.h

•  

至此，cuDNN的配置就全部安装完成了。

 

 

一、安装Anaconda

主要参考：https://docs.anaconda.com/anaconda/install/linux

1.1 从清华大学开源软件网站上选择合适的源文件并下载，

这里的Anaconda和python是有对应关系的，如果要python3.5的话，Anaconda要3-4.2.0，只要Anaconda不用最新版本，根本谈不上什么python降级的问题嘛。（后补）

 

1.2 在终端terminal中运行bash ~/path/sourcename,即自动进行安装，过程下会有进行选择，不懂的情况下enter“Yes”。

其中path为对应源文件所在路径，本人的为下载目录，path=‘下载’（中文系统）;sourcename为源文件名称，在此为sourcename=‘Anaconda3-5.0.1-Linux-x86_64.sh’。运行命令如下：

bash ~/Download/Anaconda3-5.0.1-Linux-x86_64.sh

• 1

1.3验证安装是否成功：

python
>>>import numpy #查看是否能够运行，numpy为anaconda内置python库。

python一定要换源下载。

 

 

 

三、升级pip版本

在装tensorflow之前，不管是不是最新的pip版本，都要更新一下，具体命令如下：

[plain] view plain copy

1. python 2.7版本：sudo pip install --upgrade pip  
2. python 3.x版本：sudo pip3 install --upgrade pip  

 

四、更改pip源地址（提高下载速度）

在主目录下创建.pip文件夹（对应在自己的电脑上也就是Home，download的上一层）

mkdir ~/.pip

修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件，文件夹要加"."，表示是隐藏文件夹)，内容如下：

[plain] view plain copy

1. [global]  
2. index-url = https://pypi.tuna.tsinghua.edu.cn/simple  
3. [install]  
4. trusted-host=mirrors.aliyun.com  
5.  

 

 

五、GCC降版本

其实，在ubuntu上安装老版gcc十分简单，直接用apt-get命令下载即可。

第一步：

sudo apt-get install gcc-4.8

输入密码，同意安装，接下来就自动下载安装4.8.5版本了。

第二步：设置默认的gcc版本

gcc --version

（可选）查看当前版本，不出意外的话会返回ubuntu16.04自带的5.4.0这个版本号，现在使用gcc命令编译时还是会用新版本。

 

ls /usr/bin/gcc*

（可选）查看已有的gcc版本，确认一下刚才4.8.5有没有装成功。

 

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100

将某个版本加入gcc候选中，最后的数字是优先级，我自己是直接设为100，没任何问题。

 此时在运行gcc --version查看版本，发现4.8.5已经为默认的gcc版本。

 

conda换源，打开控制台 ，更换清华源（墙太高）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

3.创建一个名yang的环境

conda create -n yang python=3.5

这里创建conda环境就是因为pythohn3.6的版本和tensorflow有冲突，所以把python的版本降到3.5

 

创建成功

激活环境

source activate yang

 

六、安装TensorFlow

这里有两个python，sudo执行的是系统自带的原装版本，不加sudo直接python用的是anaconda的python，那就不加sudo吧

 

真正执行版本：

        pip install scikit-learn scikit-image

        pip install tensorflow-gpu==1.2.1  # GPU加速版

        pip install keras

        在终端中验证是否安装成功：

        import tensorflow

        import keras

 

        如果不报错，即配置成功！

        这里还有另一个坑，就是tensorflow的版本也是有限制的，目前实验成功的是tensorflow-gpu1.2.1

总结一下全部的版本

cuda8.0,   cudnn5.1,    python3.5,    tensorflow1.2.1

六、测试安装结果

进入python编译环境，导入TensorFlow，做一个简单的加法运算，如图2所示。