在Linux服务器上配置tensorflow-gpu版

一. Anaconda下载及安装

官方下载
然后输入命令

bash Anaconda3-2019.03-Linux-x86_64.sh

二. 建立tensorflow gpu版本环境

建立tensorflow环境，基于python3.5。

输入conda create -n （环境名称） python=3.5（python必须3.5或3.6，3.6以上版本tensorflow可能会报错）

conda env remove -n （环境名称） （删除环境）

conda env list （查看所有环境）

source activate 环境名 （进入虚拟环境）

deactivate (退出环境）

阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

安装tensorflow-gpu
pip install tensorflow-gpu==1.10

注意
pip安装tensorflow时出现Bug: Failed building wheel for grpcio
// 原代码
pip install tensorflow1.11
update pip 后解决
pip install --unpgrade pip
pip install tensorflow1.11

三. CUDA下载及安装

.确认gpu

输入 lspci | grep -i nvidia，查看gpu版本，

gpu要求算力3.0以上，大家可以对照型号，在下面链接检查自己的电脑是否支持
https://developer.nvidia.com/cuda-gpus

必须确认nouveau已禁用!!!

输入lsmod | grep nouveau，如果没有输出则说明已禁用。

接下来安装NVIDIA驱动：
去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载：驱动文件后缀名应当是以.run结尾的。
nvidia-smi，有如下显示则说明驱动安装成功

然后确认CUDA与cudnn配对版本，并下载适合自己系统的版本

https://blog.csdn.net/omodao1/article/details/83241074

推荐下载CUDA9.0和cudnn7.0.

下载CUDA：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux

export PATH="/mnt/jackfrost//CUDA/cuda-9.0/bin:$PATH"exportL{D}_{L}IBRAR{Y}_{P}ATH="/mnt/jackfrost/CUDA/cuda-9.0/lib64:$LD_LIBRARY_PATH"

export CUDA_HOME=/mnt/jackfrost/CUDA/cuda9.0

source ~/.bashrc

四. cudnn下载及配置

下载地址：https://developer.nvidia.com/rdp/cudnn-archive （需要注册才能下载)

五. pycharm下载及安装

pycharm下载：https://www.jetbrains.com/pycharm/download/
切记不要最新版最新版，建议2018.3.5

切记新打开的需要在charm环境变量添加如下：
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/CUDA/cuda-9.0/lib64