深度学习环境搭建：Tensorflow1.4.0+Ubuntu16

深度学习环境搭建：.4.0+.04+.5+Cuda8.0+.0

目录

硬件说明：

显卡：gtx-1080，8G显存

1b80

软件准备：

深度学习环境一定要适配，不是版本一定要匹配，这些库之间是有依赖关系的。

我的环境是：

16..5 #不能完全支持3.6版本，3.5比较稳定cuda8.0 #目前.04支持cuda版本8.0 比较好，对 cuda9.0 不是很友好，所以我们选择 Cuda8…4.01. 安装.04

从官网下载镜像，用U盘安装。

安装完成后更新系统。

sudo apt-get update 
sudo apt-get upgrade

2.安装显卡驱动

可以参考

个人测试可用，但需要注意你需要去官网下载适合你电脑的版本（网页可以自己测量你电脑需要的型号）。具体安装过程请参考上述博客。

重启电脑，通过-smi命令查看驱动信息。如果显示成功，说明驱动安装成功

3.安装 Cuda8.0

从官网下载相应的CUDA版本。官网最新版本为9.0，但强烈不建议大家使用最新版本。

我们选择linux平台并下载。执行；

sudo ./.0…run

我们已经安装了384，这一步选择n，其余都是yes。

最后，我们需要为我们安装的CUDA配置环境变量才能生效。

(1）打开sudo gedit ~/.，在末尾添加两行如下：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

(2）设置环境变量和动态链接库，打开sudo gedit /etc/，在文件末尾添加：

PATH=/usr/local/cuda/bin:$PATH

(3）创建链接文件，打开sudo gedit /etc/ld.so.conf.d/cuda.conf，添加到文件中：

/usr/local/cuda/lib64

最后执行 sudo 使以上设置立即生效。

测试 CUDA：

执行以下命令：

cd ~/-8./ /

制作

./

可以查看详细信息，最终结果为Pass，则CUDA安装成功，否则有问题（使用和百度解决）。

4.安装.0

在开发者官网，找到cudnn:的下载页面，在7)中选择”cuDNN v6.0 (April 27, 201 “cuDNN v6.0 for Linux” @>，对于 CUDA 8.0″:

下载后安装很简单，就是解压后复制到对应的系统CUDA路径：

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

或

sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local

5.清华源码安装

添加以下源加快速度

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

建议选择-4.2.0-Linux-.sh（版本4.2）安装，因为支持.5，通过命令chmod + x -4.2.0-Linux-.sh & ./-4. 2.0-Linux-.sh 可以安装，安装过程按照提示进行即可，比较简单。

6.安装

首先创建一个虚拟环境：

通过发出以下命令激活 conda 环境：

source activate tensorflow

发出以下格式的命令以在 conda 环境中安装：

pip install --ignore-installed --upgrade tensorflow-gpu==1.4.0

7. 要验证您的安装，请运行一个简短的程序

从 shell 调用如下：

$ python

在交互式 shell 中输入以下简短的程序代码行：

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果系统输出如下，你就可以开始编程了：

Hello, TensorFlow!

如果系统输出错误消息而不是问候，请参阅。

8. 卸载 .1 并升级到 .0

1、解压一个名为cuda的文件夹，里面有两个文件和lib64文件夹

2、删除原来的cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*12

3、安装需要版本的cudnn，在终端cd到新解压的cuda文件夹中

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/12

4、cd到/usr/local/cuda/lib64/文件夹并建立软链接（注意版本号改成自己的）

sudo chmod +r libcudnn.so.5.0.5  
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig  1234

5、检测

cd /usr/local/cuda/lib64/
ll12

cudnn版本已更新