基于ubuntu16.04操作系统安装tensorlfow-gpu版(GPU板卡：nvidia tesla P100)

一、Tensorflow-gpu安装需要
根据tensorflow-gpu版本的软件要求：
【注意】NVIDIA GPU drivers 需要与CUDA对应
CUDA 9.0
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux
NVIDIA GPU DRIVERS >= 384.x
https://www.nvidia.cn/Download/driverResults.aspx/139366/cn
cuDNN >= 7.2
https://developer.nvidia.com/rdp/cudnn-download

二、TESLA P100驱动安装
1、    首先根据自己GPU的型号到NVIDIA官网去下载相应的驱动程序：
不是最新最好，而是要版本对应才最好；
本团队使用的GPU：TESLA  P100
根据自己电脑的操作系统；GPU的型号；CUDA版本；下载对应的驱动文件；

2、    下载好之后是一个.run文件；
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
安装驱动需要注意的几点:
关闭图形界面：
(1)    sudo systemctl set-default multi-user.target  (启动时默认多用户文本界面)
sudo systemctl set-default graphical.target   (启动时默认图形界面)
(2)    或者也可以使用，关闭：sudo service lightdm stop
恢复：sudo service lightdm stop
(3)    关闭显卡驱动：
创建：/etc/modprobe.d/blacklist-nouveau.conf
编辑：blacklist nouveau
      options nouveau modeset=0
保存退出执行：sudo update-initramfs –u
验证是否关闭：lsmod | grep nouveau
没有输出则表示屏蔽好了，如果仍有输出，可以尝试重启；
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
安装时必须以root身份运行程序；如果不是可使用sudo；
sudo ./NVIDIA-Linux-x86_64-410.72.run
问题：The distribution-provided pre-install script failed!  Are you sure you want to continue?
可能会遇到以上问题：不要选择abort installations、选择continue installations


3、    安装完成后，验证：
nvidia-smi
出现如下界面表示驱动安装正常。可以看到有一块序号为0的GPU板卡；

三、CUDA9.0安装

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
确认计算机有支持计算的GPU板卡：
lspci | grep –i nvidia          (刷新：update-pciids)
 
确认计算机系统是否支持：
uname -m && cat /etc/*release
 
确认计算机是否有合适的编译器gcc：
gcc –version
 
确认计算机是否有正确的kernel headers 和 development packages:
在安装cuda驱动时，安装的内核头和开发包必须和系统运行的内核版本相一致；
【注意】如果改变了系统内核，对应的内核头和开发包也必须做相应更改，否则cuda将无法使用；
uname -r 
 
Ubuntu16.04:
sudo apt-get install linux-headers-$(uname -r)

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
1、下载cuda9.0
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux
https://developer.nvidia.com/cuda-toolkit-archive
cuda 9.0 除了基本的安装包以外，还有若干个补丁，依次下载之后，在进行依次安装；

2、安装
【注意】因为前面已经手动安装了NVIDIA驱动，所以在安装cuda时，询问是否安装NVIDIA图形驱动时选择否；其他询问默认即可；

3、添加环境变量
安装完cuda之后，还需要添加路径；
根据安装完之后的提示信息：

编辑：sudo vim 用户根目录/.bashrc添加一下信息
如/home/howe/.bashrc
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}}"

4、重启验证
先查看一下/dev目录下有木有nvidia*的文件，如果有，是不是0666权限。
CUDA驱动程序使用这些文件与NVIDIA驱动程序的内核模式部分通信。
但是，有些系统不允许setuid二进制文件，所以如果这些文件不存在，您可以使用如下启动脚本手动创建它们:
touch start_up.sh
vim start_up.sh
chmod 0666 start_up.sh
sudo ./start_up.sh
cd /dev/
chmod 0666 nvidia**

以下验证操作前先执行查看环境变量是否正确：
$PATH
输出中是否有/usr/local/cuda-9.0/bin
$LD_LIBRARY_PATH
输出是否有/usr/local/cuda-9.0/lib64
如果都没有，请执行添加命令，参考添加3、添加环境变量
然后再查看NVIDIA驱动是否安装正确：

再验证编译驱动：

First：找到cuda-install-samples-9.0.sh脚本

执行改脚本，并提供存放sample的目录名

Second：cd到你刚才执行脚本后面加的目录里，我这里是./test/NVIDIA_CUDA-9.0_Samples/，然后执行make命令，按照Makefile内容编译；编译完成后的所有结果将再bin文件夹里；编译需要花好些时间；

Third：执行，首先依次到release目录下，会有很多文件，只需要执行./deviceQuery，如果输出如下，表示安装正常；


再执行./bandwidthTest，确保系统和支持cuda的设备能够正确通信。

四、安装cuDNN

https://developer.nvidia.com/cudnn
1、下载cuDNN需要登陆账号，你可以注册以下；然后到下载页面；下载红色框中的三个.deb文件；

2、安装
下载完成后，依次执行安装：
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
3、验证cuDNN
复制验证文件到自己的目录下，我用的是download
cp -r /usr/src/cudnn_samples_v7  ./download
编译：
cd到./download/cudnn_samples_v7/mnistCUDNN下执行sudo make clean && sudo make
编译成功后会有一个mnistCUDNN；执行./mnistCUDNN
如果输出有Test passed! 说明安装成功了；

五、安装tensorflow-gpu

pip install tensorflow-gpu
会需要比较长的时间安装；

六、使用

安装完之后可以写一段tensorflow的代码，查看GPU使用情况（nvidia-smi）。