Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境

Ubuntu配置Anaconda+CUDA+cuDNN+Tensorflow环境

Ubuntu安装显卡驱动

Ubuntu安装显卡驱动的方式

使用标准Ubuntu仓库进行自动化安装
使用PPA仓库进行自动化安装
使用官方的NVIDIA驱动进行手动安装

这三种方式在安装的时候都进行了尝试，现主要介绍使用ppa仓库进行自动化安装的方式。
查看电脑显卡驱动信息

ubuntu-drivers devices

屏蔽开源驱动Nouveau
屏蔽nouveau的方式不只一种，我们所使用的是编辑/etc/modprobe.d/blacklist.conf，在文件最后添加以下内容：

blacklist nouveau

删除旧的NVIDIA驱动

#以下两个命令均可
sudo apt-get remove --purge nvidia-*
sudo apt-get purge nvidia-*

安装对应的NVIDIA驱动
由于实验室的显卡为GeForce GTX 1080 Ti，所以进行了NVIDIA-430的安装：
注：在屏蔽开源驱动Nouveau后需要重启电脑

#加入ppa源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
#使用以下命令可以查询到电脑支持的驱动版本
sudo apt-cache search nvidia | grep -oE "nvidia-[0-9]{1,3}"
#注：此处需注意，尝试过使用sudo apt-get install nvidia-430，报错找不到package
sudo apt-get install nvidia-driver-430
#安装完成后启用Nouveau，对于/etc/modprobe.d/blacklist.conf中的blacklist nouveau进行注释或者删除

注：在安装过程中如果报错fetch不到，则试用一下命令进行尝试

#以下两个命令均可使用
sudo apt-get update
sudo apt-get upgrade --fix-missing

检查显卡驱动是否安装成功
此操作需要重启计算机，输入以下命令：

nvidia-smi

输出以下结果即为安装成功

安装CUDA10.1

在CUDA官网下载CUDA，由于操作系统为Ubuntu18.04 64位，而且显卡驱动为nvidia-430（注：cuda版本须于显卡驱动版本相匹配），所以安装CUDA10.1版本

输入以下命令进行cuda的安装

sudo sh cuda_10.1.168_418.67_linux.run

安装时选择不安装显卡驱动

安装完成以后，进行环境配置，编辑~/.bashrc，添加以下代码

export PATH=/usr/local/cuda-10.1/bin$PATH
#注意，根据自己的cuda版本填写
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64$LD_LIBRARY_PATH

使配置生效

source ~/.bashrc

测试cuda是否安装成功：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

如下图Result为PASS，即为cuda安装成功

cuDNN7.6安装

在官网下载cuDNN适用与CUDA10.1版本的cuDNN，我们选用的是cuDNNv7.6.0（注：官网需要注册才能进行下载）

下载完成，使用以下命令进行解压操作

tar -zxvf cudnn-10.1-linux-x64-v7.6.0.64.tgz 

随后将解压的文件复制到已安装的cuda文件夹中

#注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
#增加所有用户对于文件的可执行权限
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

Anaconda3安装

在Anaconda官网中进行下载，我们下载的为5.3版本。
安装Anaconda，使用以下命令：

bash Anaconda3-5.3.0-Linux-x86_64.sh 

安装过程中，不断按enter键以及输入yes（注：对于Anaconda安装的路径，直接按enter键会安装到默认的路径，也就是当前用户的目录下，这样也就只有当前用户可以使用Anaconda，要多用户共享安装，选择其他路径），针对本实验室，使用公用的账号，所以保存在默认的位置。
检查Anaconda是否安装成功

conda info

Tensorflow-gpu1.3安装

本次安装tensorflow-gpu安装在base环境之下，未再添加虚拟环境
首先安装GPU条件：

sudo apt-get install libcupti-dev

添加清华镜像，加快下载速度

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

进入base环境

source activate base

安装tensorflow-gpu1.3

conda install tensorflow-gpu==1.3

安装后尝试效果，使用矩阵乘法进行测试

import tensorflow as tf
import os 
os.environ['TF_CPP_MIN_LOG_LEVEL']='1'

a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')
b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b')
c=tf.matmul(a,b)

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

运行结果显示程序在gpu上运行，证实tensorflow-gpu安装成功

至此，Ubuntu的Anaconda+CUDA+cuDNN+Tensorflow环境配置全部完成。