深度学习GPU环境Ubuntu16.04+GTX1080+CUDA9+cuDNN7+TensorFl

本节详细说明一下深度学习环境配置，Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6。

Python 3.6

首先安装 Python 3.6，这里使用 Anaconda 3 来安装，下载地址：https://www.anaconda.com/download/#linux，点击 Download 按钮下载便可，这里下载的是 Anaconda 3-5.1 版本，若是下载速度过慢能够选择使用清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/。

下载下来以后目录下会出现一个 Anaconda3-5.1.0-Linux-x86_64.sh 文件，而后直接执行便可安装：

bash Anaconda3-5.1.0-Linux-x86_64.sh

执行完毕以后按照默认设置走下来便可完成安装。

这里默认它会安装到用户目录下，若是想全局安装，能够在这一步输入你要安装的地址：

Anaconda3 will now be installed into this location:
/home/cqc/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

[/home/cqc/anaconda3] >>> /usr/local/anaconda3
PREFIX=/usr/local/anaconda3

这里我指定了将其安装到 /usr/local/anaconda3 目录下，全局安装，全部用户共享，固然若是只想本用户使用的话使用默认配置便可。

安装完成以后添加 python3 和 pip3 的软连接：

sudo ln -s /usr/local/anaconda3/bin/python3 /usr/local/sbin/python3
sudo ln -s /usr/local/anaconda3/bin/pip /usr/local/sbin/pip3

这里是将软链接其添加到 /usr/local/sbin 目录下了，它默认会存在于环境变量中，所以能够直接调用。

固然也能够选择把 /usr/local/anaconda3/bin 目录添加到环境变量中，能够修改 ~/.bashrc 文件，添加以下内容：

export PATH=/usr/local/anaconda3/bin${PATH:+:${PATH}}

而后执行：

source ~/.bashrc

便可生效，下次登陆时也会默认执行 ~/.bashrc 文件，也会生效。

接下来咱们验证下 python三、pip3 命令是否都来自 Anaconda，命令以下：

pip3 -V
pip 9.0.1 from /usr/local/anaconda3/lib/python3.6/site-packages (python 3.6)

which python3
/usr/local/anaconda3/bin/python3
python3
Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

若是输入 pip3 和 python3 命令能出现如上相似结果，路径都在 /usr/local/anaconda3，就证实 Python 3 安装成功了。

安装驱动

首先查看一下本身的电脑须要怎样的驱动，咱们能够先到 http://www.nvidia.com/Download/index.aspx 查询下咱们须要的是怎样的驱动，这里个人显卡是 GTX 1080，因此以此为例说明，勾选好对应的配置：点击 Search，能够看到查询结果以下所示：

Version:    390.25
Release Date:    2018.1.29
Operating System:    Linux 64-bit
Language:    English (US)
File Size:    77.48 MB

这里说明咱们须要的版本是 390.25。

接下来若是咱们以前安装了驱动的话，能够从新安装一下，若是当前已经安装好了就没必要了。

若是要重装，须要首先卸载掉以前的显卡驱动：

sudo apt-get remove –purge nvidia*

运行以后 NVIDIA 的一些驱动就被卸载了。

这时候 nvidia-smi 等命令已经不能用了，这就证实显卡驱动已经被卸载了。

而后接下来添加一个 PPA 源，命令以下：

sudo add-apt-repository ppa:graphics-drivers/ppa

而后更新一下：

sudo apt-get update

随后从新安装显卡驱动：

sudo apt-get install nvidia-390

注意这里的 390 就是刚才咱们查询出来的版本，以实际查询出来的版本为准。

CUDA 9.0

若是存在以前的旧版本，能够选择先卸载，以避免和新的 CUDA 版本产生冲突，在 /usr/local/cuda/bin 目录下有一个 uninstallcuda*.pl 文件，能够直接运行卸载，命令以下：

sudo ./uninstall_cuda_*.pl

这样便可将 CUDA 所有卸载。

接下来咱们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容 CUDA 9.1，因此不要下载 9.1，CUDA 9.0 的下载地址是：https://developer.nvidia.com/cuda-90-download-archive，而后依次勾选好系统的版本，如图所示：

这里咱们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，而后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。

对应的下载命令是：

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

执行此命令，等待下载完成便可。

接下来执行安装，运行以下命令：

sudo bash cuda_9.0.176_384.81_linux-run

安装过程须要输入一些确认选项，过程以下：

Description

The NVIDIA CUDA Toolkit provides command-line and graphical
tools for building, debugging and optimizing the performance
Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]: 

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

Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
 [ default is /home/cqc ]: 

Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

最后若是出现这样的提示，就证实 CUDA 安装好了：

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-9.0
Samples:  Installed in /home/cqc, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-9.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

而后咱们须要配置一下环境变量，更改 ~/.bashrc 文件，添加以下几行：

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

修改完毕以后执行一下使其生效：

source ~/.bashrc

这时咱们输出 CUDA_HOME、LD_LIBRARY_PATH 就能够看到对应的输出了：

echo $CUDA_HOME
/usr/local/cuda
echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64

这样就表明环境变量生效了，CUDA 安装完成。

cuDNN 7.1

cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来咱们来看下它的安装方式。

下载连接：https://developer.nvidia.com/rdp/cudnn-download，须要注册以后才能打开，这里咱们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，而后选择 cuDNN v7.1.1 Library for Linux，如图所示：

下载下来以后解压安装便可：

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行完如上命令以后，cuDNN 就安装好了，这时咱们能够发如今 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件。

TensorFlow 1.6

到如今为止 Python 3.六、CUDA 9.0 和 cuDNN 7.1 就已经安装好了，并且环境变量也配置好了，接下来咱们直接安装 TensorFlow 1.6 便可，TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 作了优化，能够预构建二进制文件。

这里须要安装的是 TensorFlow 的 GPU 版本，命令以下：

pip3 install tensorflow-gpu==1.6.0

安装完成以后验证一下：

import tensorflow

若是没有报错，那就证实所有环境配置都成功了。

以上即是 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 完整环境配置过程。