Tensorflow-GPU环境搭建（nvidia驱动+conda+pycharm）

Tensorflow-GPU环境搭建（nvidia驱动+conda+pycharm）

一、 安装nvidia驱动

前提工作：需要根据你个人电脑显卡配置，下载相应的nvidia驱动，版本尽量使用高版本驱动，这样会向下兼容cuda、cudnn、python。

1.1安装驱动之前禁用nouveau

1.2 安装驱动

方法0：在终端sudo ./NVI…run 就完成了安装。
方法一：

注意:
如果在ubuntu文本命令行里面进行安装：
ctrl+alt+（F1-F6）都有可能是进入文本界面方式;
ctrl+alt+（F7-F12）都有可能是从文本界面方式切换出来;
不同电脑不同

方法二：

1.3 安装过程选项

1.4 成功的界面

1.5卸载驱动

sudo ./NVIDIA…run --uninstall

二、conda

2.1:conda安装

conda安装注意：
方法一（优先）：
bash Anaconda3-4.2.0-Linux-x86_64.sh
方法二：
sudo bash Anaconda3-4.2.0-Linux-x86_64.sh
sudo bash安装可能出现：自己创建的环境无法查看；会在安装文件夹里面存在权限问题。

2.2:anaconda-navigator

在这环境里面进行手动添加相应环境和包。zcl为自己建的环境。注意创建环境使用的python有时候过高（例如python3.7）无法安装cuda，作者使用的python3.5.

2.3: anaconda 相关命令

取消自动激活的base环境:
conda config --set auto_activate_base false

三、pycharm

3.1：在pycharm中添加anaconda中的环境

注意：在添加conda的python以及环境的时候，一般可以自动弹出选项;若是无法自动找到。
你需要在终端中用whereis python 命令查询自己创建python的绝对路径，然后用绝对路径填入。

3.2：测试

四、 内核更新

4.1：驱动重装

检查设置: lsmod | grep nouveau
在终端（文本模式或者图形界面里）进行重装驱动
sudo ./NVIDIA…run.
测试：nvidia-smi

4.2：ubuntu高级旧版本内核—推荐

回到久版本内核，重启系统，进入Grub内核管理界面，进入ubuntu高级，一般可以看到三个内核，按照版本从高到低排列，选择第2个版本就行。
—在旧版本内核中装驱动，然后以后都进入这个内核即可。

五、 CUDA本地安装（常用于编译）

https://zhuanlan.zhihu.com/p/112138261

六、windows里配置3070案例：

https://blog.csdn.net/qq_37541097/article/details/120951214