Ubuntu 16.04 + Nvidia 410.78 + CUDA 9.0 + cuDNN 7.3.1 + Python 3.6 + Tensorflow 1.11.0成功出坑

走了好多坑，終於把深度學習的環境給搭好了

首先感謝這兩位博主的無私奉獻，我是綜合他們的方法安裝成功的，本文有些步驟直接複製以下博文

https://blog.csdn.net/qq_35976351/article/details/79325476

https://www.cnblogs.com/xuliangxing/p/7575586.html

http://www.cnblogs.com/xuliangxing/p/7569946.html

 

一.驅動，直接從官網下載官方驅動。我下載的是最新的版本Nvidia 410.78

安裝驅動的具體操作步驟參照  http://www.cnblogs.com/xuliangxing/p/7569946.html

 

二.下載CUDA 9.0，記得一定是9.0，這樣少走點坑（初次登錄需要註冊帳號）

CUDA9.0下載地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal
記得下載runfile(local)，不要下載deb(我是沒裝好)

 

安裝必要的依賴

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1　　#安裝依賴庫

安裝runfile（直接使用tab補全不了，建議直接複製文件名到terminal）

sudo sh cuda_9.0.176_384.81_linux.run  #執行安裝文件

安裝過程中，所有選項都是accept, y 或者enter（就直接默認路徑）。除了Graphics Driver（選N）

配置環境變量

sudo vim ~/.bashrc  # 配置環境變量


# 文末追加以下三行代碼
export PATH=/usr/local/cuda-9.0/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda

執行命令，生效

#環境變量立即生效 
sudo source ~/.bashrc  
sudo ldconfig 

檢查cuda是否配置成功（顯示版本信息爲V9.0即可）

nvcc --version

再測試cuda samples是否成功

# 切換到cuda-samples所在目錄
cd /usr/local/cuda-9.0/samples

# 沒有make，先安裝命令 sudo apt-get install cmake，-j是最大限度的使用cpu編譯，加快編譯的速度
make –j

# 編譯完畢，切換release目錄（/usr/local/cuda-9.0/samples/bin/x86_64/linux/release完整目錄）
cd ./bin/x86_64/linux/release

# 檢驗是否成功，運行實例
./deviceQuery 

# 可以認真看看自行結果，它顯示了你的NVIDIA顯卡的相關信息，最後能看到Result = PASS就算成功。

三.安裝cuDNN

**cuDNN v7.3.1**下載地址：https://developer.nvidia.com/rdp/cudnn-archive
用之前下載CUDA註冊的郵箱登錄就行。

進入之後點擊Download，之後進入下載界面，選擇上I Agree To the Terms of the cuDNN Software License Agreement的複選框

下載三個文件（但我安裝的時候只使用了一個，其他的以後備用）

 

在下載目錄直接安裝deb

sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb

四.安裝tensorflow（創一個虛擬環境，我用的anaconda，安裝的python3.6，當時爲了測試bert gpu版本）

conda create -n bert_p3 python=3.6

用source activate bert_p3進入虛擬環境（安裝1.11是支持CUDA 9.0的）

pip install --upgrade tensorflow-gpu==1.11

最後直接粘貼博主的測試代碼

測試有結果即可

import tensorflow as tf
import numpy as np
x = tf.placeholder("float",shape=[None,1])


W = tf.Variable(tf.zeros([1,1]))
b = tf.Variable(tf.zeros([1]))


y = tf.matmul(x,W) +b

y_ = tf.placeholder("float",[None,1])

cost = tf.reduce_sum(tf.pow((y_-y),2))

train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cost)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)


All_x = np.empty(shape=[1,1])
All_y = np.empty(shape=[1,1])


for i in range(1000):
    x_s = np.random.rand(1,1)

    y_s = np.dot([[0.33]],np.random.rand(1,1)) + 0.33

    feed = {x: x_s, y_: y_s}
    sess.run(train_step,feed_dict=feed)
    print("After %d iteration:"%i)
    print("W : %f"%sess.run(W))
    print("b : %f"%sess.run(b))

    All_x = np.concatenate((All_x,x_s))
    All_y = np.concatenate((All_y,y_s))

print(All_x)
print(All_y)
--------------------- 
作者：Erick_Lv 
來源：CSDN 
原文：https://blog.csdn.net/qq_35976351/article/details/79325476 
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！