ubuntu配置cuda+cudnn+anaconda+tensorflow

首先是设置nvidia显卡驱动,可以参照我之前的文章:

https://blog.csdn.net/harden1013/article/details/118879679?spm=1001.2014.3001.5502

安装cuda 8.0,安装地址如下:

https://developer.nvidia.com/cuda-80-ga2-download-archive

选择Linux---x86_64---Ubuntu---16.04/14.04---deb(local)

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

由于cuda 8.0仅支持5.0版本以下的gcc编译器,所以需要对版本较高的版本进行降级处理:

sudo apt-get install gcc-4.9 gcc-5 g++-4.9 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++ 

cuda安装后续的环境与路径配置

%修改配置文件
sudo vim /etc/profile

%在打开的文件末尾添加以下三行
PATH=/usr/local/cuda-8.0/bin:$PATH   
export PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib

%使配置生效
source /etc/profile

%修改路径文件
sudo vim /etc/ld.so.conf.d/cuda.conf

%在打开的文件添加以下一行
/usr/local/cuda-8.0/lib64

%使修改生效
sudo ldconfig

%重启终端,可输入以下语句验证是否安装成功
nvcc -V 

cudnn下载,cuda8.0对应的cudnn版本为5.1,进入官网下载,需要注册nvidia的账户,下载地址为:

https://developer.nvidia.com/cudnn

tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda  
sudo cp lib64/lib* /usr/local/cuda/lib64/  
sudo cp include/cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64/  
sudo rm -rf libcudnn.so libcudnn.so.5  
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5  
sudo ln -s libcudnn.so.5 libcudnn.so

anaconda下载,进入清华源下载相应版本即可,下载地址为:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载后运行安装包:

%后面的以下载的安装包文件为准
bash Anaconda3-4.2.0-Linux-x86_64.sh

创建一个虚拟conda环境:

conda create -n pointnet python=2.7

进入该虚拟环境:

source activate pointnet

虚拟环境中安装tensorflow,CPU版本/GPU版本

pip install tensorflow

pip install tensorflow-gpu

%如果有指定版本
pip install tensorflow-gpu==1.1.0

可以在虚拟环境中输入以下语句验证tensorflow安装是否成功:

import tensorflow as tf