TensorFlow学习（五）之Ubuntu16.04安装TensorFlow———GPU版本（gtx1070+ubuntu16.04）

超、凢脫俗 2022-04-06 04:52 212阅读 0赞

Ubuntu16.04系统安装系列：

[Ubuntu系统安装QQ+百度云盘+微信+迅雷下载等][Ubuntu_QQ]

[Ubuntu系统安装网易云音乐][Ubuntu]

[Ubuntu系统安装搜狗输入法][Ubuntu 1]

[Ubuntu系统安装SMPlayer播放器][Ubuntu_SMPlayer]

[Ubuntu系统安装sublime编辑器][Ubuntu_sublime]

[Ubuntu系统安装vim编辑器][Ubuntu_sublime]

[Ubuntu系统安装labelImg][Ubuntu_labelImg]

[Ubuntu常用命名大全][Ubuntu 2]

**博主研究了下，参考了别人的博客，也出现了问题，然后解决。相信按照接下来的教程是可以很简单的安装TensorFlow-gpu的。**

**在开始之前，首先得了接大概步骤：1、安装显卡驱动2、安装cuda,3、安装cudnn,4、安装anaconda 5、创建虚拟TensorFlow环境并配置TensorFlow。6、测试是否成功。附加：安装一般的配件库。**

**注明：本文所有下载的东西博主都默认下载到了home文件夹中下载文件夹中。安装与解压时，请先cd到下载文件夹中。**

## 1、安装显卡驱动 ##

** 在[ubuntu16.04系统][ubuntu16.04]中选择软件更新中的附加驱动来更新驱动。具体操作：**

**打开系统设置。找到软件和更新，点进去出现如下界面：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70][]

然后点击附件驱动

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 1][]

安装图片点击即可，一定要确保已经联网：完成后点应用更改。亲测有效。

另外还有一种方法，不过前面方法已经可以解决：这个博客博客[https://blog.csdn.net/qq\_30520759/article/details/78947034][https_blog.csdn.net_qq_30520759_article_details_78947034]

最后，检查显卡驱动.\]

打开终端。输入以下命令

nvidia-smi

结果如下所示。那个384.130即为你的显卡驱动的型号。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 2][]

## 2、 安装cuda ##

首先要了解的是cuda,cudnn,tensorflwo对应的TensorFlow的版本，不然就会出错。相应的版本必须要对应。linux基本对应情况如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 3][]

确认你要安装的cudn,cudnn，tf的版本。

选择的cuda版本要和安装的驱动想匹配，下图为匹配的版本：

官网为：[https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html][https_docs.nvidia.com_cuda_cuda-toolkit-release-notes_index.html]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 4][]

博主使用的配置是：cudn9.0,cudnn7,tensorflow-gpu.1.8.0。

先下载cudn:[cuda下载][cuda] 把他下载到home文件下的下载文件夹中

正式安装cudn：

**a、进如home文件下的下载文件夹中，打开终端，输入命令**。

sudo sh cuda\_...\_linux.run   红色部分为你下载的cuda版本，即下载的cuda文件的名字

**b、输入命令后，回车，进入安装。安装过程中会让你选择yes or no 。第二个选项 Install NVIDIA Accelerated Graphics Driver for Linux-x86\_64 375.26? 须选择否，因为在之前已经安装好了显卡驱动，无需重新安装。具体按照下面的来选择。**

Do you accept the previously read EULA?
    accept/decline/quit: accept
    Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
    (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 
    Enter CUDA Samples Location
    [ default is /home/dexter ]:

一路进行，完成。

**c、添加环境变量**

在终端输入： gedit ~/.bashrc

然后在打开的文件最后写入：

export PATH="$PATH:/usr/local/cuda-9.0/bin"

export LD\_LIBRARY\_PATH="/usr/local/cuda-9.0/lib64"

划重点：写入的时候，一定要确认你的cuda版本号，我这里是cuda9，则就是写入上面的命令。若是你安装的是cuda8，请把这条命令中9改为8.博主在第一次的时候就搞错了，导致一直不成功。万一和博主一样这样粗心，不要紧，在文字最后面也有解决方案。

保存并关闭文件，然后在终端输入：source ~/.bashrc

如此使得环境更改生效。

**d、cuda测试：**

打开终端，切换到位置：~/ NVIDIA\_CUDA-9.0\_Samples         （同样，你安装的是什么版本的cuda,就切换到那个文件夹中）  
        命令行输入：make   （此步编译时间很长，有可能你会看到光标不动，不用理，因为确实要很久）  
        打开终端，切换到位置：~/NVIDIA\_CUDA-9.0\_Samples/bin/x86\_64/linux/release  
        终端输入：./deviceQuery

如果显示类似下图，则说明CUDA安装且配置成功！

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 5][]

##  3、cudnn安装 ##

cudnn安装就较简单了，基本上就是解压，然后复制到具体文件夹中。具体如下：

首先下载cudnn：[cudnn下载][cudnn]

进入下载文件中，打开终端输入以下四条命令。输入一条命令后按回车，接着输入吓一跳命令：

tar xvzf cudnn-9.0-...tgz        （红色部分为你下载的cudann版本，即下载的cudann文件的名字）

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include  
    sudo cp cuda/lib64/libcudnn\* /usr/local/cuda-9.0/lib64  
    sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn\*

重点：一定要把9变成你所要安装的cuda版本。博主是cuda9。或者直接手动输入就不会错。

相当于解压缩+复制粘贴，手动复制粘贴也是没问题的。到此cuDNN安装完毕。

## 4、安装anaconda ##

a**、下载anaconda**.  [链接][Link 1]

下载如下版本。

![20181208112942214.png][]

**b、安装**

进入annaconda下载的文件夹中，打开终端，输如命令：bash Anaconda...Linux-x86\_64.sh   (红色部分为下载的anaconda版本文件名）  
 **c、安装时，出现让你选择yes or no ,则选yes。就会自动配置文件，可是有的时候你选择yes会一直显示说让你retry，说明这样就是配置不成功。则需要手动配置**，如下：  
       配置文件： 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin  
          输入命令：  sudo gedit ~/.bashrc

接着就会自动打开一个文件  
        export PATH="$PATH:~/anaconda3/bin"    将此句填在bashrc文件末尾中，然后保存后关闭。  
        在输入命令： source ~/.bashrc     使得更改配置生效

**d：若是要卸载anaconda**：

参考：https://blog.csdn.net/qq\_22474567/article/details/54984257  
        （1）删除整个anaconda目录： rm -rf anaconda文件夹名  
        （2）清理下.bashrc中的Anaconda路径：  
            1.到根目录下，打开终端并输入：sudo gedit ~/.bashrc  
             2.在.bashrc文件末尾用\#号注释掉之前添加的路径(或直接删除)：  
                      \#export PATH=/home/lq/anaconda3/bin:$PATH  
                  保存并关闭文件  
              3.使其立即生效，在终端执行：source ~/.bashrc  
             4.关闭终端，然后再重启一个新的终端

**e 常见点镜像源**

添加中科大源

1.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
2.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
3.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
4.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
5.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
6.  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

或者添加清华源

1.  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2.  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
3.  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
4.  conda config --set show\_channel\_urls yes

##  **5、创建虚拟TensorFlow环境并配置TensorFlow** ##

a、使用conda指令创建虚拟环境

创建环境：打开终端，输入命令：conda create --name tf python=3.6     （注：tf是虚拟环境的名字，可以随便取。3.6是你要安装的Python版本，也可以指定）

环境创建完，就要激活环境：输入命令：source activate tf

附加：若要退出环境：则输入：source deactivate

若需要删除环境：conda remove -n tf --all

b、TensorFlow-gpu安装

激活环境后，在tf环境中，输入如下命令中的任何一种命令即可：

conda install -c jjhelmus tensorflow-gpu  （此版本可能较低，安装后可能需要升级）  
        conda install -c jjhelmus/label/tflow\_180 tensorflow-gpu  （此版本是TensorFlow-gpu1.8.0版本，博主就是这个版本，推荐）  
        conda install -c jjhelmus/label/tflow\_110\_testing tensorflow-gpu

至此，所有配置已经完成，可以跳到第六步去试试是否正确。

还推荐一些其他的库：

安装keras：pip install keras  
        安装opencv3：conda install -c https://conda.anaconda.org/menpo opencv3

## 6、测试是否成功 ##

官网上的测试程序。对一个线性数据进行训练的demo。

打开终端，激活环境后，输入命令：vi test.py

把代码复制进去：

import tensorflow as tf
    import numpy as np
    
    # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
    x_data = np.random.rand(100).astype(np.float32)
    y_data = x_data * 0.1 + 0.3
    
    # Try to find values for W and b that compute y_data = W * x_data + b
    # (We know that W should be 0.1 and b 0.3, but TensorFlow will
    # figure that out for us.)
    W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
    b = tf.Variable(tf.zeros([1]))
    y = W * x_data + b
    
    # Minimize the mean squared errors.
    loss = tf.reduce_mean(tf.square(y - y_data))
    optimizer = tf.train.GradientDescentOptimizer(0.5)
    train = optimizer.minimize(loss)
    
    # Before starting, initialize the variables.  We will 'run' this first.
    init = tf.initialize_all_variables()
    
    # Launch the graph.
    sess = tf.Session()
    sess.run(init)
    
    # Fit the line.
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step, sess.run(W), sess.run(b))
    
    # Learns best fit is W: [0.1], b: [0.3]

保存退出后。输入命令：python test.py

出现如下界面即成功

![20181208150416804.png][]

成功，可以尽情嗨皮在TensorFlow的海洋里了。

**最后彩蛋：既然安装了anaconda,顺便也安装下 spyder IDE。还有很常用的jupyter notebook.**

打开终端，激活tf环境，输入命令：

conda install spyder  
            conda install jupyter notebook

如此就都安装了。打开这些直接在输入命令  spyder   回车既可以打开。

备注：若是最后出现说CUDA driver version is insufficient for CUDA runtime version。

这个问题一个解决办法是显卡驱动有问题，还有一个种可能，就是你在安装的时候，安装错了版本，比如，你想安装cuda9,可是你在配置的时候因为复制别人的代码（别人代码上写着cuda8），导致你下载的cuda版本，与你配置环境的cuda版本不同。

解决办法：去本博第二步C步骤那，打开那个文件，把版本号改成与你下载的cuda版本相同。然后重新编译，就是需要重新进行第二步中的c,d两步，然后卸载配置的虚拟TensorFlow环境，重新配置环境。其他的不用动。

还有一种解决办法：[https://blog.csdn.net/li57681522/article/details/82491617][https_blog.csdn.net_li57681522_article_details_82491617]

[Ubuntu_QQ]: https://blog.csdn.net/comway_Li/article/details/102942155
[Ubuntu]: https://blog.csdn.net/comway_Li/article/details/84847228
[Ubuntu 1]: https://blog.csdn.net/comway_Li/article/details/84849630
[Ubuntu_SMPlayer]: https://blog.csdn.net/comway_Li/article/details/84894566
[Ubuntu_sublime]: https://blog.csdn.net/comway_Li/article/details/85050143
[Ubuntu_labelImg]: https://blog.csdn.net/comway_Li/article/details/85046102
[Ubuntu 2]: https://blog.csdn.net/comway_Li/article/details/81147427
[ubuntu16.04]: https://www.baidu.com/s?wd=ubuntu%E7%B3%BB%E7%BB%9F&tn=24004469_oem_dg&rsv_dl=gh_pc_csdn
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70]: /images/20220406/ece48a34a3a448d8abfb63bc443d3739.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 1]: /images/20220406/1d7719cef2b642b183abaed12829b411.png
[https_blog.csdn.net_qq_30520759_article_details_78947034]: https://blog.csdn.net/qq_30520759/article/details/78947034
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 2]: /images/20220406/0bb46fb840bd441bab27b966ffb17126.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 3]: /images/20220406/f73620c7c57a435cbcefc83ca84b723b.png
[https_docs.nvidia.com_cuda_cuda-toolkit-release-notes_index.html]: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 4]: /images/20220406/0a718e2d3e3a4d2e82bf5ecf684d66dc.png
[cuda]: https://developer.nvidia.com/cuda-toolkit-archive
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NvbXdheV9MaQ_size_16_color_FFFFFF_t_70 5]: /images/20220406/bc7190ab1c7f4f829785d941108cdad4.png
[cudnn]: https://developer.nvidia.com/rdp/cudnn-archive
[Link 1]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[20181208112942214.png]: /images/20220406/2573257cec724c868306686985258cc1.png
[20181208150416804.png]: /images/20220406/1c9db28b02d54ff8841be57ee03a99a3.png
[https_blog.csdn.net_li57681522_article_details_82491617]: https://blog.csdn.net/li57681522/article/details/82491617