Ubuntu18.04下搭建深度学习环境（tensorflow CPU GPU、Keras、Pytorch、Pycharm、Jupyter）
网上关于Ubuntu16.04及14.04安装cuda、cudnn等的教程较多，Ubuntu18.04的介绍很少。本文主要介绍Ubuntu18.04下如何安装英伟达驱动以及cuda、cudnn和Anaconda等编程环境。
博主硬件为ThinkPadT450（GeForce 940M显卡），双固态硬盘双系统（Ubuntu和Windows10），具体怎么安装百度教程很多，这里就不做介绍了。
step .1：首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型。执行命令：
$ ubuntu-drivers devices让我们进入正题：
下载：cuda、cudnn、NVIDI
1.安装显卡驱动
检查自己电脑的gpu是否CUDA-capable
cyg@cyg-ThinkPad-T450:~$ lspci | grep -i nvidia
04:00.0 3D controller: NVIDIA Corporation GM108M [GeForce 940M] (rev a2)
禁用nouveau
cyg@cyg-ThinkPad-T450:~$ lsmod | grep nouveau
如果有输出说明nouveau正在加载
打开禁用列表
cyg@cyg-ThinkPad-T450:~$ sudo gedit /etc/modprobe.d/blacklist.conf
在打开文本的最后一行添加：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
执行以下命令来禁止内核中nouveau
cyg@cyg-ThinkPad-T450:~$ sudo echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
更新，重启
cyg@cyg-ThinkPad-T450:~$ sudo update-initramfs -u
cyg@cyg-ThinkPad-T450:~$ sudo reboot
再次查看是否禁用nouveau
cyg@cyg-ThinkPad-T450:~$ lsmod | grep nouveau
以上步骤可能是Ubuntu18.04的非必要操作，如果是单显卡主机，禁用nouveau驱动重启后可能会导致无法进入Ubuntu图像界面，可以按Ctrl+Alt+F3，Ubuntu18.04好像是F3，16.04是F1进入文本编辑界面安装NVIDI显卡驱动，可以参考这篇文章进行相应的设置。
实际上，博主在执行完以上步骤后，并没有重启电脑，直接执行以下操作，替换为英伟达驱动即完成了显卡的更新。
重点：
1.首先删除旧的NVIDIA驱动：
cyg@cyg-ThinkPad-T450:~$ sudo apt-get purge nvidia-*
2.添加Graphic Drivers PPA
cyg@cyg-ThinkPad-T450:~$ sudo add-apt-repository ppa:graphics-drivers/ppa
cyg@cyg-ThinkPad-T450:~$ sudo apt-get update
3.寻找驱动版本
cyg@cyg-ThinkPad-T450:~$ ubuntu-drivers devices
ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001BE1sv0000103Csd000084DBbc03sc00i00
vendor : NVIDIA Corporation
model : GP104M [GeForce GTX 1070 Mobile]
driver : nvidia-driver-415 - third-party free recommended
driver : nvidia-driver-410 - third-party free
driver : nvidia-driver-390 - third-party free
driver : nvidia-driver-396 - third-party free
driver : xserver-xorg-video-nouveau - distro free builtin
gden@gden-dl:~$ sudo apt-get install nvidia-driver-415
安装了好多文件，并且比较慢。91 70%
sudo apt-get install nvidia-driver-415 --fix-missing 未下载完 继续进行。
4.安装好 最新的驱动
cyg@cyg-ThinkPad-T450:~$ sudo apt-get install nvidia-396
5.重启
cyg@cyg-ThinkPad-T450:~$ sudo reboot
6.挂载nvidia驱动
cyg@cyg-ThinkPad-T450:~$ nvidia modprobe nvidia
7.查看驱动的安装状态
cyg@cyg-ThinkPad-T450:~$ sudo nvidia-smi
8.打开nvidi驱动设置程序
cyg@cyg-ThinkPad-T450:~$ sudo nvidia-settings
9.在终端输入命令，实时查看GPU的使用情况：
cyg@cyg-ThinkPad-T450:~$watch -n 1 nvidia-smi
10.到Ubuntu18.04系统的“软件和更新” 选择相应的附加驱动
2.安装cuda、cudnn
博主尝试安装过9.1版和10.0版的cuda和cudnn，都没有成功。9.1版的可能是因为cudnn用的是9.0的导致没有编译成功。后来试用9.0版本编译成功，如果想要尝试9.0外的其他版本，可以参考链接
参考下载链接下载9.0版本的cuda和cudnn，博主下载的是16.04的本地运行文件runfile（local），需要下载一个运行程序和相应的补丁，所有文件如下：
cuda_9.0.176_384.81_linux.run
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176.3_linux.run
cuda_9.0.176.4_linux.run
cudnn下载cudnn7.05 for 9.0，如果是9.1的cuda则需要选择for9.1的
下载完所有文件就可以开始安装了，因为CUDA 9.0仅支持GCC 6.0及以下版本，Ubuntu18.04gcc,g++版本较高，所有先要替换成低版本的gcc，g++:
1.安装4.8版本
cyg@cyg-ThinkPad-T450:~$ sudo apt-get install gcc-4.8
cyg@cyg-ThinkPad-T450:~$ sudo apt-get install g++-4.8
2.cd到/usr/bin目录下，将它改为链接到gcc-4.8
cyg@cyg-ThinkPad-T450:~$ ls -l gcc*
cyg@cyg-ThinkPad-T450:~$ sudo mv gcc gcc.bak
cyg@cyg-ThinkPad-T450:~$ sudo ln -s gcc-4.8 gcc
对g++进行同样的操作
cyg@cyg-ThinkPad-T450:~$ ls -l g++*
cyg@cyg-ThinkPad-T450:~$ sudo mv g++ g++.bak
cyg@cyg-ThinkPad-T450:~$ sudo ln -s g++-4.8 g++
查看版本：
cyg@cyg-ThinkPad-T450:~$ gcc --version
cyg@cyg-ThinkPad-T450:~$ g++ --version
3.安装cuda9.0
cyg@cyg-ThinkPad-T450:~$ sudo sh cuda_9.0.176_384.81_linux.run
cyg@cyg-ThinkPad-T450:~$ sudo cuda_9.0.176.1_linux.run
cyg@cyg-ThinkPad-T450:~$ sudo cuda_9.0.176.2_linux.run
cyg@cyg-ThinkPad-T450:~$ sudo cuda_9.0.176.3_linux.run
cyg@cyg-ThinkPad-T450:~$ sudo cuda_9.0.176.4_linux.run
一直按回车键安装，碰到是否安装Driver可以选择否（因为之前已经安装），Samples也可以不安装
4.添加环境变量,修改配置
cyg@cyg-ThinkPad-T450:~$ sudo gedit ~/.bashrc
export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
5.设置环境变量和动态链接库，在命令行输入：
cyg@cyg-ThinkPad-T450:~$ sudo gedit /etc/profile
export PATH=/usr/local/cuda/bin:$PATH
cyg@cyg-ThinkPad-T450:~$ sudo gedit /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
6.修改后保存配置：(会导致 /usr/local/cuda/lib64/libcudnn.so.7 不是符号链接？)
cyg@cyg-ThinkPad-T450:~$ sudo ldconfig
cyg@cyg-ThinkPad-T450:~$ sudo ln -sf /usr/local/cuda-9.0/lib64/libcudnn.so.7.0.5 /usr/local/cuda-9.0/lib64/libcudnn.so.7
cyg@cyg-ThinkPad-T450:~$ sudo ldconfig
7.安装cudnn
解压cudnn-9.0-linux-x64-v7.tgz
把相应文件复制到/usr/local/cuda/ CUDA安装文件夹里，(直接放文件到usr/local/下面，然后解压缩，可能提示无权限，可以切换到root用户执行。）
cyg@cyg-ThinkPad-T450:~$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
cyg@cyg-ThinkPad-T450:~$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
cyg@cyg-ThinkPad-T450:~$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
至此，就可以安装Anaconda、pycharm、tensorflow等等工具了
3.安装Anaconda
下载Anaconda3-5.2.0 Linux版，cd到文件路径
cyg@cyg-ThinkPad-T450:~$ bash Anaconda3-5.2.0-Linux-x86_64.sh -b
---------------------
作者：阳翟土包子
来源：CSDN
原文：https://blog.csdn.net/cyglight8947/article/details/82865668
版权声明：本文为博主原创文章，转载请附上博文链接！
四、安装Anaconda
下载地址：https://www.anaconda.com/download/，此处我下载的是Python3.6版的。
bash Anaconda3-5.2.0-Linux-X86-64.sh
linux命令 安装anaconda
1、首先下载anaconda
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh2、安装anaconda
bash Anaconda3-5.0.1-Linux-x86_64.sh
3、安装过程中会需要不断回车来阅读并同意license。安装路径默认为用户目录(可以自己指定)，最后需要确认将路径加入用户的.bashrc中。
最后，立即使路径生效，需要在用户目录下执行：
4、有时需要执行如下代码添加环境变量（可选）
echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc
source .bashrc此时，打开python就是最新的3.6版本了。
下面很重要：
使用Anaconda管理多个版本的Python环境:
假设你已安装anaconda环境则往下进行操作，否则去安装该华景
1、查看系统当前已有的Python环境，执行命令：conda info --envs
发现现在环境只有anaconda自带的python2.7环境
可以使python -V常看python版本信息
conda env list
2、我想添加一个Python3.5的环境，
执行命令：conda create --name python35 python=3.5
命令中我制定了环境名称是Python35，指定了Python版本是3.5，执行命令后，
Conda 会自动下载最新版的Python3.5，并自动部署
3、再次查看当前系统已有的Python环境，执行命令：conda info --envs，从图中我们看
到，这里多了一个名字为Python35的Python环境
4、切换Python环境到刚才新添加的Python35，执行命令：source activate Python35，然后执行命令：python --version，查看是否切换成功
安装TensorFlow
从：https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/ 网站选择对应的安装版本。速度比较快，目前只支持tensorflow1.5.0最高版 python2.7对应的。
输入网址：最好是google浏览器 https://mirrors.tuna.tsinghua.edu.cn/help/查找tensorflow,点开链接，然后选择对应的系统及版本，复制下面的语句，命令行执行：比如
pip install \ -i https://pypi.tuna.tsinghua.edu.cn/simple/ \ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.5.0-cp35-cp35m-linux_x86_64.whl
pip install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.5.0-cp27-none-linux_x86_64.whl进入python
import tensorflow 实验一下，如果没有出错，说明成功了。
5、在Python35环境下，完成工作后，切回原来的Python环境，执行命令：source deactivate Python35
6、如果刚才添加的Python27环境，不再使用，可通过执行命令：conda remove --name python27 --all，进行删除
注意：某虚拟环境下使用pip安装某模块如果找不到，可能该版本不支持该库；或者指定的镜像通道没有，可以尝试conda install安装，但安装的时候一定要注意安装提示信息，是否会更新虚拟环境的python版本。比如PIL的在python3.5安装，会把版本下降到python2.7，导致原来的虚拟环境变化。这是一定要注意的。
pip install \ -i https://pypi.tuna.tsinghua.edu.cn/simple/ \ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl
pip install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.5.0-cp35-cp35m-linux_x86_64.whl
pip install \
-i https://pypi.tuna.tsinghua.edu.cn/simple/ \
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.5.0-cp27-none-linux_x86_64.whl
为了保持更新，可以在终端中执行：(我未执行该操作）
conda upgrade --all2、设置Anaconda镜像源以减少等待时间。同样，我的镜像源是科大镜像。
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
下面括号里面可以忽略：
(五、安装TensorFlow
这里参考了https://www.cnblogs.com/Ph-one/p/9000211.html
将使用virualenv安装。 首先安装libcupti-dev库。
sudo apt-get install libcupti-dev
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64
然后我们将安装virtualenv并创建一个Tensorflow Environment。
sudo apt-get install python3-pip python3-dev python-virtualenv
virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow
注意：在这一过程中可能会出现“setuptools pkg_resources pip wheel failed with error code 2”错误，导致虚拟环境创建不成功。
则使用：virtualenv --system-site-packages -p python3 tensorflow --no-setuptools
1、安装Tensorflow CPU版本
当环境创建好了，我们必须在每次使用tensorflow时激活它。首先按照推荐安装tensorflow cpu version。
source ~/tensorflow/bin/activate
pip3 install --upgrade tensorflow # install the cpu version
验证Tensorflow CPU版本
在同一个环境中，这意味着你会在你的shell中看到它。
(tensorflow)$
键入python和下面的python代码。
python
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
这是我的结果。虽然它与官方验证结果不同，但是应该没问题。
>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>>
2、安装Tensorflow GPU版本
首先确保我们处于同一环境中
pip3 install --upgrade tensorflow-gpu
验证Tensorflow GPU版本
仍然确保你在Tensorflow Enviroment。
键入python和下面的python代码。
python
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
结果是一样的。但是我们可以看到我们的GPU设备正在工作。可以在下的测试结果中看到自己的显卡型号。
）
六、安装Keras
1、创建一个环境,指定python版本
$ conda create -n tf python=3.62、激活创建的tf环境：
$ conda activate tf 或者 $ source activate tf
在该环境下安装tensorflow-gpu及keras框架：
$ conda install tensorflow-gpu keras
4、查看安装是否成功
$ python
>>import keras
import tensorflow
5、安装其他所需要的库
$ conda install pillow
$ conda install matplotlib
$ conda install scikit-learn
$ conda install graphviz pydot
6、退出该环境
$ conda deactivate 或者 source deactivate
7、移除tf环境
$ conda remove -n tf --all
8、查看GPU运行状况
$ watch -n 0 nvidia-smi
---------------------
作者：背包客w
来源：CSDN
原文：https://blog.csdn.net/weixin_39954229/article/details/79961172
版权声明：本文为博主原创文章，转载请附上博文链接！
七、安装jupyter
pi3 install jupyter
jupyter notebook --generate-config
jupyter notebook
八、安装Pycharm专业破解版
我下载的是pycharm-professional-2018.1.4，破解补丁是JetbrainsCrack-2.8-release-enc.jar，找不到的童鞋可以留言，我发给你。
破解如下：
解压缩pycharm-professional-2018.1.4并放在Home下，将JetbrainsCrack-2.8-release-enc.jar也复制到Home下。
在pycharm的bin目录下找到pycharm.vmoptions和pycharm64.vmoptions，用gedit打开，均在末尾加
-javaagent:/home/guo/[pycharm-2018.2.4/]JetbrainsCrack-3.1-release-enc.jar (注意破解文件路径放哪里了）
在bin目录运行命令sh ./pycharm.sh,选择激活码激活，输入一下激活码：
ThisCrackLicenseId-{
"licenseId":"11011",
"licenseeName":"微信公众号",
"assigneeName":"裸睡的猪",
"assigneeEmail":"[email protected]",
"licenseRestriction":"",
"checkConcurrentUse":false,
"products":[
{"code":"II","paidUpTo":"2099-12-31"},
{"code":"DM","paidUpTo":"2099-12-31"},
{"code":"AC","paidUpTo":"2099-12-31"},
{"code":"RS0","paidUpTo":"2099-12-31"},
{"code":"WS","paidUpTo":"2099-12-31"},
{"code":"DPN","paidUpTo":"2099-12-31"},
{"code":"RC","paidUpTo":"2099-12-31"},
{"code":"PS","paidUpTo":"2099-12-31"},
{"code":"DC","paidUpTo":"2099-12-31"},
{"code":"RM","paidUpTo":"2099-12-31"},
{"code":"CL","paidUpTo":"2099-12-31"},
{"code":"PC","paidUpTo":"2099-12-31"}
],
"hash":"2911276/0",
"gracePeriodDays":7,
"autoProlongated":false}
到期时间为2099年，基本为永久啦。这里参考了博客，在此感谢：
https://blog.csdn.net/u014044812/article/details/78727496。
九、安装pytorch-cpu
conda install pytorch -c soumith
---------------------
作者：cskywit
来源：CSDN
原文：https://blog.csdn.net/cskywit/article/details/81146429
版权声明：本文为博主原创文章，转载请附上博文链接！