Ubuntu18.04+顯卡驅動安裝+CUDA9.1安裝+cdDNN7.0.5安裝+Anaconda3安裝+tensorflow（GPU）安裝

顯卡驅動安裝

在終端運行查看本機NVIDIA顯卡型號和推薦的驅動程序模型

ubuntu-drivers devices

顯卡是：GeForce GTX 1080 TI ，建議安裝的顯卡驅動時nvidia-drivers-396，

再次輸入
 

sudo ubuntu-drivers autoinstall

安裝完成後重啓電腦即可

安裝驗證：

nvidia-smi

CUDA安裝：

1.版本下載

   CUDA需要根據cuDNN來選擇，之前cuda只支持Ubuntu  17.04 \ 16.04 \ 14.04 版本下的安裝（目前已經有ubuntu18.04下的cuda-10.0，但是已經嘗試過，失敗，其他人可以試試），但實際上類似於word，高版本支持低版本，故ubuntu16.04下的配置版本可以順利應用到ubuntu18.04，從而ubuntu18.04可以支持cuda9.0，，因此我們採用cuda9.1版本

cuda下載地址：https://developer.nvidia.com/cuda-toolkit-archive

最新版本已經到cuda10，cuda9版本到了cuda9.2，我們此次下cuda9.1

點擊    CUDA Toolkit 9.1[Dec 2017]

 出現如下選擇項：

做出如上選擇，出來如下四個下載項，四個下載項均需要下載，第一個是主文件，後三個是補丁

下載文件如下：

2.gcc降級（Ubuntu預裝的gcc版本爲7.3，CUDA9.0僅支持gcc6.0以下的版本，故需要將gcc版本降級）

終端輸入：

             sudo apt-get install gcc-4.8

             sudo apt-get install g++-4.8

 

裝完後進入：

    cd /usr/bin      #進入bin目錄下

 終端輸入   ：

ls -l gcc*

 

發現 gcc -> gcc-4.8    因爲之前做了更改，故已經鏈接到了gcc-4.8，若出現gcc -> gcc-7.3  則執行如下命令

sudo mv gcc gcc.bak  #備份

sudo ln -s gcc-4.8 gcc   #重新鏈接

 

同理在/usr/bin目錄下輸入 

ls -l g++*  

 

此時需要更改使得g++鏈接到g++-4.8

sudo mv g++ g++.bak

sudo ln -s g++-4.8 g++

 

檢查gcc、g++版本號，看是否鏈接成功

終端輸入：

gcc -v    #查看gcc版本

g++ -v   #查看g++版本

 

版本均是gcc version 4.8，故gcc4.8鏈接成功，安裝成功

3.CUDA安裝，同時安裝其補丁

• 在cuda下載目錄下運行終端輸入命令安裝Base Installer

        sudo sh cuda_9.1.85_387.26_linux.run

一直按空格鍵直到100%

如下幾個選項選擇如下：

說明：    由於前面已經安裝了顯卡驅動，故在

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
(y)es/(n)o/(q)uit: n

選擇： n

 注意：在之前的的安裝過程中經常出現如下

之前下載的時cuda-8.0和cuda-10.0，安裝到這一步總是不成功，因此在安裝此步的時候一定要注意版本一直等因素，要不然會一直不成功，建議不要輕易嘗試cuda-10.0版本，因爲他要求顯卡驅動>=410版本的，故最好安裝cuda9版本的。

此次安裝成功：

• 接下來安裝3個patch
•  安裝：cuda_9.1.85.1_linux.run

sudo sh cuda_9.1.85.1_linux.run

同理也是空格到100%

• 安裝 cuda_9.1.85.2_linux.run

sudo sh cuda_9.1.85.2_linux.run

同理也是空格到100%

 

• 安裝 cuda_9.1.85.3_linux.run

 sudo sh cuda_9.1.85.3_linux.run

同理也是空格到100%

 

• 打開.bashrc文件

sudo gedit ~/.bashrc

打開如下;

在文件最後輸入：

export PATH=/usr/local/cuda-9.1/bin${PATH:+:$PATH}}                            #注意，根據自己的版本，修改cuda-10.0/9.2/9.0...

export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

                                                                                                                            #注意，根據自己的版本，修改cuda-10.0/9.2/9.0...

 

到此步驟，cuda安裝完畢

 

cuDNN安裝:
 

• 下載：https://developer.nvidia.com/cudnn

需要註冊下載

 

文件保存到下載目錄，對文件進行解壓得到

 

• 複製cudnn解壓後的文件中的cuda中的include、lib64 到cuda-9.1下

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.1/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.1/lib64
sudo chmod a+r /usr/local/cuda-9.1/include/cudnn.h /usr/local/cuda-9.1/lib64/libcudnn*

 

• 配置環境變量

桌面終端輸入;

sudo gedit ~/.bashrc

 得到如下界面，在最後加入：

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda-9.1/lib64:/usr/local/cuda-9.1/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda-9.1
export PATH="$CUDA_HOME/bin:$PATH"

點擊保存後退出，再在終端執行：

source ~/.bashrc

 從而配置完畢。

Anaconda3安裝

首先下載Anaconda3：https://www.anaconda.com/download/

我們下載的是Anaconda3-5.2.0-Linux-x86_64

輸入：

bash Anaconda3-5.2.0-Linux-x86_64.sh

 按enter鍵繼續

一直按空格到出現選項，

輸入：yes

 按  enter鍵

   按enter鍵

接下來 輸入        yes

   當看到Thank you for installing Anaconda3！ 說明安裝成功，後面還會問是否繼續安裝Microsoft VSCode，我們準備用pycharm，故選擇no。

安裝完之後 檢驗是否安裝成功

終端執行：

source ~/.bashrc
conda list

 執行結果如下：

 

 

 

 

命令成功找到，安裝成功

安裝tensorflow（GPU）

• 創建tensorflow環境

先檢查現有的Python版本

接着創建tensorflow環境

 conda create -n tensorflow python=3.6

出現如下需要安裝的列表：

輸入y進行下載。

• 激活tensorflow環境

source activate tensorflow

 

• 安裝tensorflow

此處要使用pip3進行安裝，這是python3對應的，若之前沒有安裝pip3，則使用

sudo apt-get install python3-pip

然後進行tensorflow的安裝，注意我們是安裝的 tensorflow（GPU）版本

pip3 install tensorflow-gpu==1.8.0

 

驗證安裝是否成功

在命令行輸入python進入python編譯環境下，接下來居然遇到坑比的事情，測試代碼錯誤，cuda9.1不支持tensorflow1.8，網上說也不支持1.6\1.5，

輸入： import tensorflow as tf

因此需要卸載tensorflow重新安裝，還好mind/wheels是tiny mind開發的爲Linux準備的特殊版本的tensorflow，包含支持CUDA9.1的tensorflow。

卸載tensorflow1.8

sudo pip3 uninstall tensorflow-gpu

接下來下載tensorflow-1.6的wl安裝文件

下載地址：https://github.com/mind/wheels/releases/tag/tf1.6-gpu-cuda91

 

 --——————————————————————————————————————————————————————

接下來就再次在Anaconda下配置tensorflow了，但是有遇到了新的麻煩，真想說句媽賣批

首先我是這樣配置的直接在tensorflow下載的目錄下，終端運行：

sudo pip3 install tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

提示安裝成功，然後我在tensorflow激活的狀態下啓動python

source activate tensorflow    #激活tensorflow環境
python                        #啓動python環境

接下來進行tensorflow安裝是否成功的驗證，

#測試代碼(在終端一步步執行)
‘’‘
編寫hello world程序掩飾session的使用
   建立一個session,在session中輸出hello TensorFlow    
’‘’


import tensorflow as tf
#定義一個常量
hello = tf.constant('hello,tensorflow')
#構造階段完成後，才能啓動圖，啓動圖的第一步是創建一個Session對象，如果無任何創建函數，會話構造器將啓動默認圖
sess = tf.Session()   
#通過session裏面的run()函數來運行結果
print(sess.run(hello))

當輸入第一步時出現：

 

問題:       ModuleNotFoundError: No module named 'tensorflow'

網上的解決方法都試了不可以用，因此再次卸載tensorflow，卸載之後檢查目前所存在的內容

which python
which pip
python
python3

 

接下來在tensorflow激活環境下進行安裝，這次使用pip，而pip3，然後出現瞭如下問題，也正是此處，解決了所有問題，

首先沒有在下載目錄下安裝，這個顯然是錯誤的，但這個不影響其他的，後期換成在下載目錄下安裝即可，最重要的是這兩句：

You are using pip version 10.0.1, however version 18.0 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.

您正在使用PIP版本100.1，但是版本18是可用的。
您應該考慮通過“PIP安裝升級PIP”命令進行升級。

然後就將pip升級了

pip install --upgrade pip

 

接下來再次嘗試tensorflow的安裝，在wl文件所在的目錄下運行終端輸入（再次使用pip，之前一直使用的時pip3）

pip install tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

 提示我們安裝成功;

然後再次進行代碼測試，

驗證成功