Ubuntu18.04 Tensorflow-gpu==1.14安装

版本信息

系统版本：ubuntu 18.04
系统架构：x86_64
nvidia driver 驱动版本：NVIDIA-Linux-x86_64-440.100 （GPU：2080TI）
CUDA版本：10.0
cuDNN：7.6.4
gcc:4.8.5
tensorflow-gpu:1.14.0

---

nvidia

禁用nouveau

sudo vim /etc/modprobe.d/blacklist.conf 在文本最后添加：

 blacklist nouveau
 options nouveau modeset=0

然后执行：sudo update-initramfs -u

重启机器后，执行以下命令，如果没有屏幕输出，说明禁用nouveau成功：lsmod | grep nouveau

驱动下载

官网下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

卸载旧驱动

重启后，使用快捷键进入文本模式，然后输入用户名密码就可：Ctrl-Alt+F1 || 或使用SSH连接

执行以下命令禁用X-Window服务，否则无法安装显卡驱动：sudo service lightdm stop || 有可能没安装lightdm，则直接跳过

执行以下命令卸载原有显卡驱动：注意匹配自己下载的驱动版本

 sudo apt-get remove --purge nvidia*
 sudo apt-get autoremove
 sudo chmod +x NVIDIA-Linux-x86_64-4**.**.run    # 源显卡驱动  
 sudo ./NVIDIA-Linux-x86_64-4**.**.run --uninstall # 默认即可

重启

安装新驱动

执行驱动文件即可安装新驱动，一直默认即可：

sudo ./NVIDIA-Linux-x86_64-440.100.run -no-opengl-files

执行以下命令启动X-Window服务

sudo service lightdm start

最后执行重启命令，重启系统：

sudo reboot

---

gcc

查看gcc版本:gcc --version
若gcc版本太高就更改版本：sudo apt-get install gcc-4.8 g++-4.8
切换gcc版本：sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100
激活生效：sudo update-alternatives --config gcc

---

CUDA

驱动下载

• 下载地址：https://developer.nvidia.com/rdp/cudnn-archive

驱动安装

• sudo chmod a+x ....run

• sudo ./...run

    Do you accept the previously read EULA?   # ctrl+c 可加快速度
    accept/decline/quit: accept
    
    Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
    (y)es/(n)o/(q)uit: n
    
    Install the CUDA 10.0 Toolkit?
    (y)es/(n)o/(q)uit: y
    
    Enter Toolkit Location
     [ default is /usr/local/cuda-10.0 ]: 
    
    Do you want to install a symbolic link at /usr/local/cuda?
    (y)es/(n)o/(q)uit: y
    
    Install the CUDA 10.0 Samples?
    (y)es/(n)o/(q)uit: y
    
    Enter CUDA Samples Location
     [ default is /home/user ]: 
  

  # 安装结果
  - Driver:   Not Selected
  Toolkit:  Installed in /usr/local/cuda-10.0
  Samples:  Installed in /home/***, but missing recommended libraries
    Please make sure that
    - PATH includes /usr/local/cuda-10.0/bin
    - LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-10.0/lib64 to /etc/ld.so.conf and run ldconfig as root
    To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-10.0/bin
  

• 添加环境变量

  • vim ~/.bashrc

      # >>> coda initialize >>>
      export PATH="/usr/local/cuda-10.0/bin:$PATH"
      export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64/:$LD_LIBRARY_PATH"
      # <<< coda initialize <<<
    

  • 激活生效：source ~/.bashrc

  • nvcc --version查看版本信息是否一致

• 测试

  • cd ~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery
  • sudo make
  • ./deviceQuery
  • 显示PASS即通过

---

CUDNN

驱动下载

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

驱动安装

方案一：下载.tgz 文件，复制：

1. 解压 sudo tar -xvf cudnn-10.0-linux-x64-v7.6.5.32.tgz

2. 复制文件

   sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
   sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
   sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h
   sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*
   

3. 测试

    cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  #查看cudnn的版本
   

方案二：下载DEB文件，并安装(建议ubuntu用户使用该方案)：

1. 下载cudnn DEB文件 安装

    sudo dpkg -i libcudnn7_7.6.4.38-1+cuda10.0_amd64.deb      #安装cudnn-runtime库
    sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda10.0_amd64.deb  #安装cudnn-developer库
    sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda10.0_amd64.deb  #安装cudnn代码样本和使用者指引
   

2. 测试

    # 测试cudnn
    cp -r /usr/src/cudnn_samples_v7/ $HOME                 #拷贝测试样例到主文件夹
    cd  $HOME/cudnn_samples_v7/mnistCUDNN                  #进入样例下的mnistCUDNN目录
    make clean && make                                     #编译mnistCUDNN样例
    ./mnistCUDNN                                           #运行编译好的mnistCUDNN样例
    # Test passed 即为通过
   

   make过程中如遇到WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.-->，可能没创建cuda文件夹的软连接，如检查缺失没有, sudo ln -s cuda-10.0/ cuda 创建软连接重试即可

---

Anaconda

1. 安装步骤

   sudo sh A...sh
   Do you accept the license terms? [yes|no] yes
   path choose default
   by running conda init? [yes|no] yes
   source ~/.bashrc 
   

2. 源设置

   1. 首先将对应镜像源的地址通过 conda config --add 命令加入 conda 的 channel 列表中，可以选择添加整个镜像源的地址或只添加与 pytorch 相关的镜像源的地址。(或者更傻瓜的方式，将 ~/.condarc 文件备份后，将清华 Anaconda 镜像源页面中的配置文件内容复制至 ~/.condarc 文件中)

      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/    　　　#添加整个镜像源的地址
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/     #添加镜像源中 pytorch 对应的地址
      

   2. 通过 conda config 命令设置使用 conda 进行软件包下载时显示软件包的 url 地址，这样就可以看到下载软件包的时候是否是从国内镜像源下载。具体命令为 conda config --set show_channel_urls yes。（Windows 环境中用户主目录下会生成对应的 .condarc 文件，里面保存一些与源相关的信息）

      conda config --set show_channel_urls yes #下载时显示软件包的来源

   3. 通过 conda config --show-sources 命令查看添加的软件源，确定是否添加有效。

      conda config --show-sources #查看已有的软件源

---

Tensorflow

1. 安装

   pip install tensorflow==1.14.0
   pip install tensorflow-gpu==1.14.0
   

2. 测试

   # python环境
   import tensorflow as tf
   tf.test.is_gpu_available()
   # 最后显示True即可调用gpu
   

---

奇奇怪怪的问题

1. 设置固定IP后，修改DNS

2. sudo make 报错 g++: No such file or directory
   缺少配置g++

3. anaconda无权限

   开放anaconda安装文件夹权限： sudo chown -R user /home/ubuntu/anaconda3

4. WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.

   • 缺少cuda软链接
   • sudo ln -s cuda-10.0/ cuda

5. pip No such file or directory: ‘c++’

   尝试升级pip版本

6. numpy与tensorflow版本问题

   • 警告信息： FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.

   • pip install -U -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.16.0

   • tensorflow	numpy	cuda	cudnn
     1.14	1.16.0	10.0	7.6.4

7. WARNING:root:Limited tf.compat.v2.summary API due to missing TensorBoard installation.

   重新安装tensorboard

---

总结

• 注意版本对齐：nvidia、cuda、cudn、gcc、tensorflow、numpy TF官方版本
• 期间很多奇奇怪怪问题，多查查资料就行啦

---

参考

Tensorflow

NVIDIA CUDNN DOCUMENTATION

ubuntu18.04安装tensorflow-gpu==1.14.0(CUDA10.0+cuDNN7.4.1)

Ubuntu18.04安装tensorflow-gpu(2019.7新版cuDNN-7.6.2)

Ubuntu下安装INVIDIA显卡驱动（避免循环登录问题）

Ubuntu18.04安装CUDA10、CUDNN

另附

安装docker-ce和nvidia-docker2