配置tensorflow-GPU(1.x)环境

目录

1.安装、卸载

pip list | grep tensorflow

pip uninstall tensorflow-gpu

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

import tensorflow as tf
print(tf.test.is_gpu_available())

提示：您可以将需要安装的所有库名称写在下面的 txt 文本中

pypng
opencv-python
opencv-contrib-python
wheel
scikit-learn
tensorflow-gpu==1.9.0
keras==2.2.1
matplotlib

prettytable
ptable

然后使用 pip -r .txt 命令批量安装这些库。

2.图形驱动程序

 lspci | grep -i nvidia

或

sudo lshw -numeric -C display

可以看到类似：[ GTX 850M] [10DE:1391]的信息。（网上可以看到，反正没看到）

nvidia-smi

cat /proc/driver/nvidia/version

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3.安装显卡驱动

sudo apt-get remove --purge nvidia*

另外，在安装之前，你需要禁用一个东西

sudo vim /etc/modprobe.d/blacklist.conf

在文件末尾添加如下内容：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

检查是否操作成功：lsmod | grep不显示就成功了。

显卡驱动的安装比较简单，可以直接从官网下载对应的驱动。点我下载

注意在驱动下载中，操作系统的选择可以直接选择LInux-xbit，这个可以搜索，如果选择Can’t wait to find。亲测直接搜索Linux 64位安装可用！

将下载的显卡驱动上传到服务器进行安装。

sudo ./-Linux–430.34.run 使用此命令安装驱动程序。安装完成后，可以使用以下命令进行检查：-smi

4.CUDA安装和cudnn安装

这里需要注意的是，安装显卡驱动时最好选择对应的cuda版本（即上面安装驱动时选择的CUDA）。那么在安装cuda的时候，版本尽量保持一致，虽然高版本的驱动兼容低版本的cuda。

下载对应版本的cuda。点我下载各种版本的cuda。由于这个网站的入口很难找到，所以最好保留它。

进入后选择对应的版本。

安装过程中的选项：

安装完成后，使用nvcc -V检查安装。

如果提示没有找到对应的命令，则需要配置环境变量。这里我们根据假设建立的cuda的软连接来配置：sudo vim ~/.添加以下内容：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

让它生效：~/.

然后使用nvcc -V

多版本 CUDA 管理。事实上，这很简单。它是软连接的管理。例如，我需要其他版本的 cuda。​​​由于我的环境比变量直接指向一个软连接，所以我可以删除旧的软连接，建立一个新的软连接。实现不同版本cuda之间的切换。

sudo rm -rf cuda # 删除旧版本的软连接
sudo ln -s /usr/local/cuda-9.1 /usr/local/cuda  # 建立新版本的软连接，前面的路径是需要的版本的cuda的安装路径。

安装对应的cudnn。根据cuda版本选择对应的cudnn进行安装。点我下载

进去之后，有很多五颜六色的东西。如果使用安装方式，每个版本的操作系统都需要下载3个deb文件，很烦人。所以我们直接下载箭头对应的版本，修改后的文件后缀为cudnn-10.0-linux-x64-v7.3.0. 29. 这也是tgz。解压下载的文件。

cp  cudnn-10.0-linux-x64-v7.3.0.29.solitairetheme8 cudnn-10.0-linux-x64-v7.3.0.29.tgz # 换后缀
tar -xvf cudnn-8.0-linux-x64-v5.1.tgz  # 解压

解压后会得到一个cuda文件夹。使用以下操作安装 cudnn。 （此时应将cudnn直接安装到对应版本cuda的实际安装路径中。这样在建立软连接时会读取cudnn文件）

sudo cp cuda/include/cudnn.h    /usr/local/cuda-xx.x/include # 填写对应的版本的cuda路径
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-xx.x/lib64   # 填写对应的版本的cuda路径
sudo chmod a+r /usr/local/cuda-xx.xx/include/cudnn.h   /usr/local/cuda-xx.xx/lib64/libcudnn*

如果您更喜欢使用 deb 安装方式，请参阅

5.卸载CUDA和cudnn

在你的安装目录/usr/local/cuda-9.1/bin/应该有一个.X.pl文件，直接运行这个文件

./uninstall_cuda_9.1.pl

如果没有该文件，可以尝试以下步骤：

sudo apt-get remove cuda 
sudo apt-get autoclean
sudo apt-get remove cuda*
cd /usr/local/
sudo rm -r cuda-9.1

卸载后会发现/usr/local/cuda-9.1目录下还有文件，就是cudnn文件，所以还需要删除cuda-9. 1 个文件：

rm -rf /usr/local/cuda-9.1

如果不想卸载CUDA，但想卸载Cudnn，执行以下命令

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

6.Linux与CUDA对应

官网：