Ubuntu下配置Anaconda，tensorflow gpu环境
文章目录
- 前言
- CUDA 9.0
- cuDNN
- Anaconda
- 创建tensorflow-gpu环境
前言
之前配过Windows 10下的环境，写了一篇文章，Ubuntu下的稍有不同，主要就在于有时候你要重启一下，而且需要配置镜像，不然我pip install的速度慢得令人发指，版本的选择跟Windows 10是一样的。
我的环境：
Ubuntu 16.04
GeForce 1070
CUDA 9.0
主要就是这些，CUDA的版本方面我看别人有选9.2的，我是因为Windows 10上配置时只能用9.0，Ubuntu上我也用9.0了。
CUDA 9.0
首先去官网下，CUDA里面其实是有驱动的，9.0附带384，我为什么这么说呢，因为我在安装之前用的驱动是开源的某个NVIDIA版本，安装后变成专用的了。可以在软件和更新里查看
下载CUDA
直接选第一个。你看人家下面还有安装指南，太贴心了。
下载后进入目录打开终端，输入命令：
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
如果你在第二句没报错，那你很好，我报错了，其中一句是这样的
gpgkeys: protocol `https' not supported
解决办法是输入
sudo apt install gnupg-curl
然后最好重启，再将上面四条命令重新运行一遍。
除此之外，四条命令没有错误运行完后也要重启，因为你的驱动应该会被覆盖，重启使得驱动生效。
接下来设置环境变量
sudo gedit ~/.bashrc
在文件末尾加上：
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}}
然后可以验证一下安装，运行下面四行命令：
cuda-install-samples-9.0.sh ~
cd ~/NVIDIA_CUDA-9.0_Samples/5_Simulations/nbody
make
./nbody
测试通过就OK。
https://developer.download.nvidia.com/compute/cuda/9.0/Prod/docs/sidebar/CUDA_Quick_Start_Guide.pdf
cuDNN
下载需要登录
由于CUDA是9.0，所以选for 9.0那个，选后面有deb的会方便后面做验证
三个下载完之后，运行以下命令（注意版本的对应）
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
然后做验证
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
然后你看到Test passed! 那就是成功了。
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux
Anaconda
下载，速度会有点慢
我选择的是3.7那个版本，毕竟2.7终将被淘汰。
下载后得到.sh文件，直接
bash Anaconda3-2018.12-Linux-x86_64.sh
中途需要输入yes。然后就OK了。
想使用的话需要重开一个终端或者输入
source ~/.bashrc
创建tensorflow-gpu环境
首先最好配置一下pip install的镜像，不然之后下东西会很慢
修改 ~/.pip/pip.conf (没有就创建一个)
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
还可以配置一下anaconda的镜像，可以参照清华镜像
，将C盘用户下面的.condarc内容修改为，没有这个文件可以先运行conda config --set show_channel_urls yes生成该文件：
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
然后创建环境，输入
conda create -n tensorflow-gpu python=3.6
进入环境
conda activate tensorflow-gpu
下载tensorflow-gpu
pip install --upgrade --ignore-installed tensorflow-gpu
然后进入Python测试环境是否配置成功：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
我的运行结果如图：
