安装TensorFlow：Ubuntu16+cuda8.0+cudnn7+Anaconda+Python3.6+TensorFlow1.3

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/Sunshine_111/article/details/89248279

这篇我在装新系统时已经记在有道云笔记了（图方便不用管格式哈哈），最近想着好好经营一个公开博客，就慢慢把以前的笔记发出来，希望对大家有所帮助！

0.换源（-->清华）

https://mirrors.tuna.tsinghua.edu.cn

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

1.安装anaconda

默认已经装好，没有安装的在这里选择对应的版本下载安装即可：https://www.anaconda.com/download/

2.Nvidia 驱动（直接在软件更新附加驱动选择）

强烈建议用这条，去年在服务器装驱动时尝试各种从终端命令行安装的方法，各种折腾，虽然最后也成功了，但是浪费的也是时间呀！！  

另外提醒大家在看网上博客安装环境时一定要多看几篇，然后结合自己前后遇到的问题进行辨别，不要盲目跟从。

3. 安装cuda

参考：https://www.geek-share.com/detail/2717400262.html

• 先安装依赖库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libgl1-mesa-dev libglu1-mesa libglu1-mesa-dev libxi-dev

• 下载cuda

wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run

• 安装cuda8.0

sudo sh cuda_8.0.61_375.26_linux.run

• 环境变量（最后三行）

sudo gedit ~/.bashrc

sudo source ~/.bashrc #这里报错source找不到，把dash换成bash后，进入root然后source sudo ldconfig

• 检查 nvcc --version
• 测试CUDA的sammples

# 切换到cuda-samples所在目录

cd /home/lijing/NVIDIA_CUDA-8.0_Samples

make –j #-j是最大限度的使用cpu编译，加快编译的速度

# 编译完毕，切换release目录

# 检验是否成功，运行实例

./deviceQuery

# 显示了NVIDIA显卡的相关信息，最后能看到Result = PASS就算成功。

cuda安装标题

4.安装cudnn 7.0.5

在官网(https://developer.nvidia.com/rdp/cudnn-download)下载对应的版本，需要注册

将cudnn的头文件复制到cuda安装路径的include路径下；

将cudnn的库文件复制到cuda安装路径的lib64路径下；

更新软连接。

可参考：https://www.geek-share.com/detail/2717400262.html

5.安装tensorflow-gpu

• 下载whl https://pypi.org/project/tensorflow-gpu/1.3.0/#files
• pip install tensorflow_gpu-1.3.0-cp36-cp36m-manylinux1_x86_64.whl
• 报错 ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory

  

   

• 测试成功