Ubuntu+GPU+Tensorflow运行Faster-RCNN_TF环境搭建
版权声明：本文为博主原创文章，未经允许，不得转载。 https://mp.csdn.net/mdeditor/91491428
本人近期在学习Faster R-CNN目标检测算法，用了两天时间从搭建环境到运行模型demo，因为环境搭建各插件之间版本的依赖性比较强，因此决定用博客记录一下从安装到运行，以及过程中出现的错误，以免下一次继续入坑。
本人是用自己的电脑远程访问实验室的服务器，在服务器上配置环境并运行代码。
1 环境准备
我所使用的环境总体来说为：
- Ubuntu 16.04
- cuda 9.0
- cudnn 7.6.0
- python 2.7
- tensorflow 1.8.0
2 安装NVIDIA驱动
安装GPU版本的tensorflow，需要有NVIDIA显卡。
我所使用的服务器已经安装好了驱动，需要安装的同学可以去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us，
查看适合自己显卡的驱动并下载安装。
安装完成之后输入以下指令进行验证： nvidia-smi，若列出了GPU的信息列表则表示驱动安装成功。
3 安装CUDA 9.0
3.1 下载CUDA
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
进入CUDA官网 https://developer.nvidia.com/cuda-downloads 下载CUDA安装包，我选择的是CUDA 9.0，即cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb。
3.2 安装CUDA
进入CUDA安装包所在目录，执行如下命令进行安装：
cd ~/tools/cuda/cuda9.0_for_ubuntu16.04/
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
3.3 配置CUDA
修改配置文件~/.bashrc，把与CUDA相关的配置内容写入到文件尾部：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CUPTI/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3.4 验证CUDA是否安装成功
首先使用命令：
cat /proc/driver/nvidia/version
确认已加载了正确的显卡驱动程序，如下图：
然后使用命令：
nvcc -V
或：
cat /usr/local/cuda/version.txt
查看cuda版本，如图：
nvcc -V可确认CUDA程序是否正常运行。
3.5 测试CUDA的samples
将cuda示例程序复制到当前的用户目录：
cuda-install-samples-9.0.sh ~
执行如下命令：
cd ~/NVIDIA_CUDA-9.0_Samples/
make
cd bin/x86_64/linux/release/
./deviceQuery
执行结果如下图：
4 安装cudnn
4.1 下载cudnn
进入cudnn官网 https://developer.nvidia.com/cudnn 注册登录后，下载cudnn 7.6 for CUDA 9.0（三个文件），如下图：
4.2 安装cudnn
进入cudnn 7.6 for CUDA 9.0三个文件所在的目录，执行如下命令安装：
cd ~/cudnn
sudo dpkg -i libcudnn7_7.6.0.64-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.0.64-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.0.64-1+cuda9.0_amd64.deb
4.3 验证cudnn是否安装成功
使用命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
查看cudnn版本，如图：
4.4 测试CUDA的samples
将cudnn示例程序复制到当前的用户目录：
cp -r /usr/src/cudnn_samples_v7/ ~
执行如下命令：
cd ~/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
执行结果如下图：
5 安装python
ubuntu16.04中默认安装了python2.7，通过以下命令查看python版本：
python -V
6 安装tensorflow
6.1 将pip服务器更换为国内的镜像服务器
本次使用pip进行安装tensorflow
修改 ~/.pip/pip.conf (没有就创建一个)：
# 如果不存在此文件夹，则创建之
mkdir ~/.pip
vi ~/.pip/pip.conf
添加内容如下：
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
6.2 使用python 2.7安装tensorflow-gpu 1.8.0
# 如果本机未安装python和pip，则安装之
sudo apt-get install python-pip python-dev
# 更新pip
sudo pip install -U pip
# 安装tensorflow-gpu 1.9.0
sudo pip install tensorflow-gpu==1.9.0
6.3 验证tensorflow-gpu 1.8.0是否安装成功
执行如下命令：
python -c "import tensorflow as tf; print(tf.__version__)"
输出结果：
1.8.0
表明安装成功。
7 安装依赖库
apt-get install cython python-opencv python-tk python-scipy python-yaml
pip install easydict
pip install matplotlib
至此环境搭建完成，接下来就可以从github上下载源码，进行运行啦。
代码运行详见博客：https://blog.csdn.net/qq_29370449/article/details/91447781