ubuntu+tensorflow1.5.0gpu版+cuda9.0+cudnn7.0深度学习环境配置
Tensorflow深度学习环境相关配置
这两天配置这个GPU深度学习环境也是费劲脑汁，参考了很多网上教程，但是有些已经过时了，参考意义不大，下面开始总结一下整个配置过程：
一、配置准备
1、首先查看电脑显卡是否支持cuda加速，贴出官方链接：https://developer.nvidia.com/cuda-gpus，
选第四个，一般算力大于3.0的就可以进行cuda加速了。
2、考虑安装的tensorflow版本，不同tf版本对应支持的cuda+cudnn加速版本也不一样。
题主安装的是最新的tensorflow-gpu-1.5.0版本，对于cuda支持的版本是cuda9.0，对于cudnn支持的版本是cudnn.v7.1.1_for_cuda9.0（别下错了，我最开始下的是cuda9.1，发现测试导入tensorflow总是找不到cuda，查了一下发现是版本不支持，于是删了重下的cuda9.0）。
贴出官方下载链接：cuda——https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal
cudnn——https://developer.nvidia.com/rdp/cudnn-download
二、开始配置
安装教程按照官方安装说明：
cuda安装，需要修改一下版本号，不然每次默认安装最新的cuda9.1：
1、安装cuda包，查看对于路径下的版本号
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.debsudo apt-key add /var/cuda-repo-/7fa2af80.pub sudo apt-get updatesudo apt-get install cuda-9-0安装完进测试一下是否正确安装版本
cd /usr/local/cuda/samples/1_Utilities/deviceQuerymake #我的make过了sudo ./deviceQuery结果如图：
2、安装cudnn包
解压包
tar -xzvf cudnn-9.0-linux-x64-v7.tgz复制下列文件到cuda文件路径下
sudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* 安装、测试样本文件，&HOME指定任意路径，需要新建一个文件夹，可以在Home下进行：mkdir CudnnTest
cp -r /usr/src/cudnn_samples_v7/ $HOMEcd $HOME/cudnn_samples_v7/mnistCUDNNmake clean && make./mnistCUDNN如果测试出现了下述代码：
Test passed!说明整个Cudnn环境安装无误。
3、安装tensorflow-gpu
我设置默认的是python3.5.2，所以用的pip3; 如果是python2的话对应的pip就行：
sudo pip3 install --upgrade tensorflow-gpu
最后的导入效果如下：
可以用这篇文章的小程序跑一下是否能够支持GPU运行：http://blog.csdn.net/u011108244/article/details/77868546
（渣电脑就不发我跑的结果了，如果正确按照上述安装过程的话应该是没有错的。）
————————————————————————————手动分割线—————————————————————————————
三、配置失误看这里
当然，如果不小心误操作了Cuda安装错了也没关系，用下述指令删除，（这里版本是9.1，对应不同情况自行修改）：
sudo apt-get --purge remove cuda-9.1然后删除其余残余文件夹（如果还有的话，没有就不用删了）：
sudo rm -r /usr/local/cuda-9.1
如果还不行，删除无用的依赖包，(谨慎使用，虽然我用了没什么事)：
sudo apt autoremove