一、安装环境说明
| 软件 | 版本 | 下载链接 | 说明 |
|---|---|---|---|
| Ubuntu系统 | 16.04-64位 | … | … |
| Python | anaconda 3.6 | 不使用系统自带的2.7版本 | |
| CUDA | cuda_8.0.61_375.26_linux.run | CUDA下载 | NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动 |
| cuDNN | cudnn-8.0-linux-x64-v5.1.tgz | cuDNN（需要注册帐号，这里提供该版本的百度网盘下载） | cuDNN是NVIDIA推出的深度学习中CNN和RNN的高度优化实现 |
| TensorFlow | tensorflow_gpu_1.0.1 |
二、安转过程快速浏览
1.安装前准备
1.1 Verify You Have a CUDA-Capable GPU(确认你有一个可用CUDA的GPU)
$ lspci | grep -i nvidia
可以看到，我有三块可用的GeForce GTX 1080,你可以在这里查看你的GPU是否是CUDA-caplable。
1.2 Verify You Have a Supported Version of Linux(确认你的Linux版本支持CUDA)
CUDA开发工具只支持几个特定的Linux发行版本
#查看你的系统信息
$ uname -m && cat /etc/*release
1.3 Verify the System Has gcc Installed(查证你是否安装了gcc)
$ gcc --version
1.4 Verify the System has the Correct Kernel Headers and Development Packages Installed(验证kernel headers和development packages)
# 查看核
$ uname -r
# 为当前核安装kernel headers和development packages
$ sudo apt-get install linux-headers-$(uname -r)
2. 选择一种安装方式（runfile installation）
使用
cuda_8.0.61_375.26_linux.run安装
2.1 确认之前的准备工作已经完成
2.2 Disable the Nouveau drivers(禁用nouveau,这一步至关重要！！！)
2.2.1使用以下命令查看Noueau驱动是否被加载了
$ lsmod | grep nouveau
# 如果打印出一些信息，说明Noueau被加载了，正常情况下会打印出一些关于nouveau的信息
2.2.2 Create a file at /etc/modprobe.d/blacklist-nouveau.conf with the following contents:
创建/etc/modprobe.d/blacklist-nouveau.conf，写入：
blacklist nouveau options nouveau modeset=0
2.2.3 Regenerate the kernel initramfs:
$ sudo update-initramfs -u
3.Reboot into text mode (runlevel 3)(重启，进入文本模式)
重启后按: Ctrl+Alt+F1 进入文本模式
3.1 确认你的Nouveau没有被加载
Verify that the Nouveau drivers are not loaded. If the Nouveau drivers are still loaded,consult your distribution’s documentation to see if further steps are needed to disable Nouveau.
如何确认，请看 2.2.1
停止X服务
$ sudo /etc/init.d/lightdm stop
3.2 运行可执行文件
sudo sh cuda_8.0.61_375.26_linux.run
简单一点，除了Install the CUDA 8.0 Samples? (y)es/(n)o/(q)uit选择n外，其他信息都是默认和y.按n键不选择安装CUDA samples,我们只通过TensorFlow调用CUDA,不直接写CUDA代码，如果需要请选择’y’自行开启。
最后等待安装程序完毕。
3.3 安装完成后
check device nodes (检查设备节点): Check if /dev/nvidia* files exist。如果没有的话$ sudo modprobe nvidia
重启桌面服务
$ sudo service lightdm start
此时能够登录，没有login-loop问题。
4. 在系统环境里设置CUDA的路径
$ vim ~/.bashrc # 编辑
~/.bashrc 的最后中添加如下代码
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin:$PATH
$source ~/.bashrc #配置立即生效
5. 安装cuDNN
cd到cuda的安装目录执行解压命令：
$ cd /usr/local
$ sudo tar -xzvf ~/downloads/cudnn-8.0-linux-x64-v5.1.tgz
这样就完成了cuDNN的安装。
6. 验证驱动版本和CUDA版本：
$ cat /proc/driver/nvidia/version
$ nvcc -V
三、安装tensorflow
安装TensorFlow并测试，成功！！！
四、在jupyter notebook中添加tensorflow kernel
# python3 -m venv .env
# source .env/bin/activate
(.env)# python -m pip install ipykernel
(.env)# python -m ipykernel install --user --name my_project --display-name "My Project"
启动jupyter notebook
创建一个tensorflow kernel的test_tf.ipynb
如果实在远程主机上安装的，想要通过ip地址在本地访问jupyter notebook,请参考这篇博客
以上就是所有的安装过程，接下来就是要学习怎么使用TensorFlow了，加油！！！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。