Ubuntu16.04安装配置GPU版TensorFlow

基本工作

更新系统

sudo apt-get update

sudo apt-get upgrade -y

sudo apt-get dist-upgrade -y

安装linux kernel modules，linux source和headers

sudo apt-get install linux-image-extra-virtual

sudo apt-get install linux-source-(uname−r)sudoapt−getinstallsysdig−dkmssudoapt−getsourcelinux−image−(uname -r)

sudo apt-get install linux-headers-$(uname -r)

禁用nouveau内核

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

添加如下内容：

blacklist nouveau

blacklist lbm-nouveau

options nouveau modeset=0

alias nouveau off

alias lbm-nouveau off

然后运行以下命令即可：

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

sudo update-initramfs -u

重启之后即可禁用nouveau，可以运行$ lsmod | grep nouveau检查是否禁用成功，如果运行后没有任何输出，则代表禁用成功。

安装anaconda

下载anaconda，执行命令bash Anaconda3-4.3.1-Linux-x86_64.sh ，然后一路yes即可。

安装显卡驱动

首先lspci查看自己的GPU显卡版本，然后到Nvidia官方网站下载对应版本的显卡驱动，之后执行命令sudo service lightdm stop，通过Ctrl+Alt+F1进入init3(文本模式)，输入账号密码进行安装，执行以下命令：

sudo chmod +x NVIDIA-Linux-x86_64-375.51.run
sudo ./NVIDIA-Linux-x86_64-375.51.run

一路yes和回车就搞定了。

然后sudo service lightdm start，可以通过sudo nvidia-xconfig -query-gpu-info查看GPU信息。

安装CUDA

到CUDA官网下载，这里下载的是8.0版本CUDA，然后执行命令安装：

sudo chmod +x cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run

除了OpenGL选no，其他一路yes和回车就搞定了。如果报错比如X server is running或者unable to locate the kernel的问题，确保之前提到的准备工作全部做好，绝对不会有问题。

安装好CUDA之后，添加环境变量：

sudo vim /etc/profile

# 添加内容如下：
PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib

# 保存退出，使之立即生效
source /etc/profile

# 添加lib库路径
sudo vim /etc/ld.so.conf.d/cuda.conf

# 添加内容如下：
/usr/local/cuda-8.0/lib64

# 保存退出，使之立即生效
sudo ldconfig

# 验证安装结果，有服务器信息和cuda版本号即可
nvcc -V

安装cuDNN

在cuDNN官网上下载，需要注册，必须下载cuDNN v5.1 Library for Linux版本，执行以下命令：

sudo tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so

然后可以测试CUDA等是否成功配置，编译运行某个sample：

cd /usr/local/cuda/samples
sudo make all -j4

# 全部编译完成之后
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery   # 如果显示有可用的GPU即为成功

安装TensorFlow

选择用conda创建独立环境：

conda create -n tensor_test python==3.5
source activate tensor_test

# 直接用pip安装
pip install tensorflow-gpu==1.2

# 进入python环境测试
import tensorflow as tf

# 如下可以查看tensorflow的版本号和安装路径
tf.__version__
tf.__path__

一定注意版本，tensorflow-gpu最新版本为1.4，但是会报libcudnn.so.6:cannot open sharedobject file: No such file or directory错误，说明1.4已经开始去找cudnn6了，但我们这是5.1，理论上可以换用cudnn6，算了，还是做一个没有梦想的咸鱼吧，能用就行，换用tensorflow-gpu 1.2版本完美解决。

重重困难，还得靠自己解决。（Fuck the Christmas!!!）