ubuntu下tensorflow-gpu环境搭建（通过anaconda，不需要手动安装cuda和cudnn）

本篇文章主要讲解在Ubuntu16.04环境下，搭建TensorFlow框架，主要是GPU版本的。下面我采用conda安装tensorflow-gpu。

---

第一步：安装navidia driver

Ubuntu下安装nvidia显卡驱动（安装方式简单）

第二步：安装anaconda

参考我的另一篇文章: ubuntu下的anaconda安装，这篇文章包含了详细的安装流程，anaconda镜像库，以及anaconda教程。

第三步：安装tensorflow-gpu

terminal下run

conda create -n tensorflow python=2.7
source activate tensorflow
conda install -c conda-forge tensorflow-gpu

若要在终端使用 Tensorflow， 则要先输入 source activate tensorflow，退出时输入 source deactivate

安装过程中会自动安装相关的依赖包，如cuda、cudnn等等

虽然自动安装的依赖cuda、cudnn，tensorflow-gpu也可以工作，但是我们还是建议读者手动安装cuda、cudnn（Ubuntu下安装cuda+cudnn）。因为这样可自己配置cuda以及cudnn版本信息，并且cuda、cudnn相关的包也是在默认目录下，而不是在anaconda下，以免其他环节使用时出错

测试：
进入terminal并run：python, 在python环境下引入tensorflow: import tensorflow as tf，如果没有报错，那么安装成功

测试GPU

测试代码如下：

import tensorflow as tf
a = tf.constant([1.,2.,3.,4.,5.,6.], shape=[2,3], name='a')
b = tf.constant([1.,2.,3.,4.,5.,6.], shape=[3,2], name='b')
c = tf.matmul(a,b)

with tf.Session(config= tf.ConfigProto(log_device_placement=True)) as sess:
    print(sess.run(c))

结果如下：

表面安装成功，且可以使用tensorflow-gpu运行GPU
GPU使用率：terminal下run：nvidia-smi -q -g 0 -d UTILIZATION -l
or run：watch -n 2 nvidia-smi

---

参考资料

conda-forge: conda库，速度比较快，整理的比较好
Anaconda+Tensorflow环境安装与配置
How to install the latest Nvidia drivers on Ubuntu 16.04
Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程

环境

ubuntu16.04
显卡: GTX970M