Ubuntu16.04+tensorflow1.8.0+GTX1070+drivers390+cuda9.0+cudnn7.0.5

牢骚

上来必须牢骚一下这几天的装机感受，准确的说是5天！就为这么点破玩意。

• 1
• 2

首先是准备Ubuntu16.04 ，一开始以为win10家和ubuntu家是吵架了，Ubuntu装完开机引导各种失败各种看贴，最终总结出2点经验：

1. 主板Boot Mode 必须改成uefi模式；
2. Ubuntu的“安装启动引导器的设备”必须选择/boot所在分区；

花了两天解决了Ubuntu系统的种种问题后，完美。直奔主题开始准备安装Tensorflow，不对准确的说是Tensorflow-gpu,毕竟我的1080已经饥渴难耐了，区区一个cpu版怎么能满足我向朋友们扯犊子的深度需要呢。下面是所需的软件清单：

• Python2.7
• 显卡驱动
• CUDA 8.0 (请不要处女座，非得要求最新版本，不要问我是怎么死的)
• cuDNN v6.0 (同样，请不要作死，非得要最新版本)
• tensorflow-gpu1.4.1
• pycharm

准备工作

一开始使用的是系统默认的源，50M的宽带供养一个tensorflow时居然只有20来k，虽说男人不能太快，但是过于持久实在扛不住，果断换源。 
- 更新Ubuntu16.04源，用的是中科大的源：

cd /etc/apt/
sudo nano sources.list

• 1
• 2

把下面的这些源添加到source.list文件头部：

deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

最后更新源和更新已安装的包：

sudo apt-get update
sudo apt-get upgrade

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18

• [p]将pip源指向清华大学的源镜像：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/，具体添加一个 ~/.config/pip/pip.conf 文件，设置为：

  [global]
  index-url = https://pypi.tuna.tsinghua.edu.cn/simple

  [li]1
2[/li]
• 3

既然都源换了，那就顺带把需要的几个库也装好吧，早买晚买，早晚要买，一步到位。

sudo apt-get install python-pip
sudo apt-get install python-numpy swig python-dev python-wheel

• 1
• 2

准备完毕，一键起飞。

1.显卡驱动安装

打开terminal输入以下指令:

sudo apt-get update

• 1

然后在系统设置->软件更新->附加驱动->选择nvidia最新驱动->应用更改 安装结束后，运行nvidia-smi，如果出现下图，恭喜，显卡驱动大功告成，接下来小步快走直奔小康。 
[/p]

2.安装CUDA

本着新得就是好得的原则，我上来就从官网上选了CUDA9.0，然和事实却不是这样的.tensorflow官方版本目前不支持CUDA9, 但CUDA8是妥投没问题的。不信请看大神如何优雅刨坑。

http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu17-04-nvidia-gtx-1080-cuda-9-0-cudnn-7-0-tensorflow-1-3

CUDA下载地址如下：https://developer.nvidia.com/cuda-80-ga2-download-archive 
请勇敢地选择 runfile[local] 版本。 
下载完毕，进入文件的保存路径，运行如下代码：

sudo sh cuda_8.0.61_375.26_linux.run

• 1

开始安装，首先是一份长达两公里的协议，一直按回车到底以后，输入accept。其他的操作如下所示

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

除了询问是否安装显卡驱动选 n ，其他地方均为y。CUDA自带的显卡驱动就像一个小三，只能偷摸玩玩，正式场合还得原配出马才行。

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n

• 1
• 2

紧接着，配置环境变量： 
方法多样，我选择了修改~/.bashrc。勇敢地打开它，在尾部加上这么两句话，然后请默默离开。

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

• 1
• 2

出门在外莫忘生计，不对是保存后请运行：

source ~/.bashrc

• 1

安装结束。我想男人的好，只有在他身边的那个女人才知道。是应该编译一个sample， 试试不就知道姿势对不对了。编译之前还有一件事必须处理了，ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.3以上的编译器，因此需要降级，把编译器版本降到5.4以下，这里我选的是gcc 4.8。

1. sudo apt-get install gcc-4.8
2. 查看默认的gcc版本 ，指令如下：

gcc --version

• 1

不出意外的话会返回ubuntu16.04自带的5.4.0这个版本号，现在使用gcc命令编译时还是会用新版本。

• 1
• 2

3. 接着设置默认gcc版本，代码如下：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8
100

• 1
• 2

4.再看一眼gcc的默认版本，你好我也好，应该是4.8了。接着编译cuda自带的Sample，指令如下：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

• 1
• 2
• 3

结果应该是这样的： 
此情此景不经想让人吟诗一首：啊！～～～

3.安装cuDNN

下载地址如下： 
https://developer.nvidia.com/rdp/cudnn-download 
 
头一次又是抱着买贵的就买对的传统美德，下载了V7.0.5，最后运行tensorflow报错，报错是这样子的：

libcudnn.so.6:cannot open sharedobjectfile: No such file or directory

• 1

根据错误代码，应该是找不到libcudnn.so.6。到指定文件夹下发现只有7.0和8.0的版本，没有6.0，查找原因是因为当前已经是1.4版本，而tensorflow-gpu1.4已经开始去找cudnn6了。 
所以千万不要被这花花世界迷惑了，成功的标配—-v6.0 for CUDA8.0。载下来以后，发现是一个tgz的压缩包，使用tar进行解压：

tar -xvf cudnn-8.0-linux-x64-v6.0.tgz

• 1

解压后再把相应的文件拷贝到对应的CUDA目录下即可

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*

• 1
• 2
• 3
• 4

是啊，cuDNN的安装就是这两步，要是爱情也这么简单就好了。

4.安装Tensorflow1.4.1

在安装Tensorflow之前，按照Tensorflow官方安装文档的说明，需要先安装一个libcupti-dev库：

sudo apt-get install libcupti-dev

• 1
• 2
• 3

千呼万唤始出来，安装tensorflow：

pip install tensorflow-gpu

• 1

接下来就是默默得等待了，换源之后果然快的惊人，充电两小时，开心五分钟。 
安装完毕，进入python：

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

• 1
• 2
• 3
• 4

事情到这里应该就算结束了， 
但是我们怎么能满足于在控制台里静静的装逼呢。

安装pycharm

从官网下载pycharm，地址如下：

http://www.jetbrains.com/pycharm/download/#section=linux

• 1

下载完成后，解压，然后进入pycharm的bin目录，打开控制台运行 sh ./pychram.sh，跟着提示来安装。大功告成！打开软件后，先配置python解释器，我用的是2.7，选跟控制台的python的同一路径： 万事俱备，准备起飞。 
随便敲了几行代码进去，结果怎么跟想象的不一样呢，十分尴尬！ 

报错为：

ImportError:libcublas.so.8.0:cannot open shared object file:No such file or dircetory

• 1

进过两天的冥想，终于知道的了问题所在，还是环境变量设置的问题， 
于是依照另一位大神的指导重新配置了cuda的环境变量：

• 更改~/.bashrc

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}}

• 1
• 2

• 设置环境变量和动态链接库，在命令行输入： 
  sudo gedit /etc/profile 
  在打开的文件末尾加入：

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

• 1

• 创建链接文件,在命令行输入： 
  sudo gedit /etc/ld.so.conf.d/cuda.conf 
  在打开的文件中添加如下语句：

/usr/local/cuda/lib64

• 1

• 最后使链接立即生效： 
  

sudo ldconfig

• 1

总结

刚翻过了几座山 
又越过了几条河 
崎岖坎坷怎么它就这么多用了将近五天时间终于从一个又一个坑里爬了出来，谁知道八年抗战才刚刚开始。 
以上均为抛砖引玉，希望能给还在痛苦挣扎的朋友一些借鉴，同时也欢迎各位大神前来拍砖，在交流中不断进步！史料参考：

https://www.geek-share.com/detail/2693079966.html 
http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%BB%E6%9C%BA%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu-16-04-nvidia-gtx-1080-cuda-8 
http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE-ubuntu17-04-nvidia-gtx-1080-cuda-9-0-cudnn-7-0-tensorflow-1-3 
http://www.linuxidc.com/Linux/2017-01/139321.htm

阅读更多