Ubuntu 18.04 64位安装tensorflow-gpu

第一步（可直接跳到第二步）：安装nvidia显卡驱动

linux用户可以通过官方ppa解决安装GPU驱动的问题。使用如下命令添加Graphic Drivers PPA：

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

然后更新源：

1	sudo apt-get update

然后去navidia官网查看最新的驱动版本号：navidia官网：http://www.geforce.cn/drivers
比如说驱动的最新版本号为396，则执行如下指令：

1	sudo apt-get install nvidia-396

最后安装openGL支持：

1	sudo apt-get install mesa-common-dev

第二步：安装cuda-10.0(中间会默认安装显卡驱动)

如果直接执行：$ sudo apt-get install -y cuda  会报错。正确使用方法为。

官方网站下载：CUDA Toolkit 10.0。下载网址为：https://developer.nvidia.com/cuda-downloads

linux，86_64，Ubuntu，18.04，deb[local]

然后执行如下指令：

1 2 3

$ sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb $ sudo apt-get update  $ sudo apt-get install cuda

这时出现如下错误：

使用的是Ubuntu 18.04 LTS 64位，安装cuda10.0，采用本地deb包安装方式，这是安装的环境的主要信息。

对于该问题，搜索到的多是将Ubuntu中的一些有问题的更新或者源去掉来解决的，但是对于这个问题无效。而且Google上很少有这个问题的搜索结果，折腾了一两个小时后才找到一个方案，就是使用aptitude。这个比apt处理依赖问题要更加智能，采用该方案安装cuda如下：

如果没有aptitude则需要先安装aptitude: sudo apt-get install aptitude

然后进行安装cuda：

冲突写了两三屏幕，然后给出了解决方案：

选择接受，等待

终于完成了，尝试了下nvidia-smi

 

如果nvidia-smi失败，则试着重启，应该就OK了。

这时在/usr/local目录下产生一个cuda安装的路径叫"cuda-10.0"，并添加cuda到环境变量：

 

1	sudo vim /etc/profile

添加内容：

1 2 3

export CUDA_HOME=/usr/local/cuda-10.0  export PATH=$CUDA_HOME/bin:$PATH    export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

使环境变量生效

1	source /etc/profile

检验是否安装成功：查看GPU运行的进程

参考测试网址：http://blog.csdn.net/masa_fish/article/details/51882183

1	$ nvidia-smi  <a style="font-size: 2em; background-color: #ffffff; font-family: 'PingFang SC', 'Helvetica Neue', Helvetica, Arial, sans-serif;" name="t3"></a>

第三步：降低gcc版本到5.0以下

查看gcc当前使用版本：

1	$ gcc --help

1	$ gcc --version #查看gcc版本号

最后一行为 <file:///usr/share/doc/gcc-4.8/README.Bugs>. 使用的ubuntu14.04使用的是4.8版本 所以不用降低gcc版本

否则执行如下指令：

1 2 3 4 5 6 7 8 9

sudo apt-get install g++-4.9  sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20  sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10  sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20  sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10  sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30  sudo update-alternatives --set cc /usr/bin/gcc  sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30  sudo update-alternatives --set c++ /usr/bin/g++

第四步：下载 cuDNN V5+ 库文件并添加到cuda-8.0库

网址为：https://developer.nvidia.com/cudnn

解压并将内容copy到/usr/local/cuda-10.0/include和lib64目录中：

cudann-10.0是目前为止比较稳定的版本在更新tensorflow后（1.4.1- 指令: pip install --upgrade tensorflow-gpu 即可更新tensorflow）

在官网下载对应版本的*.tgz文件。

指令如下：

1 2 3 4

sudo tar xvzf cudnn-10.0-linux-x64-v7.4.2.24.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include  sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64  sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*   #分配包的权限

第五步：安装tensorflow

（1）Anaconda安装tensorflow

下载：Anaconda2-4.3.1-Linux-x86_64.sh（https://repo.continuum.io/archive/）参考网址：https://www.cnblogs.com/willnote/p/6746499.html

1	bash Anaconda2-4.3.1-Linux-x86_64.sh

Anaconda仓库镜像

官方下载更新工具包的速度很慢，所以继续添加清华大学 TUNA提供的Anaconda仓库镜像，在终端或cmd中输入如下命令进行添加

1 2	$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ $ conda config --set show_channel_urls yes

备注：如果出现conda命令未找到，查看：https://www.cnblogs.com/chamie/p/10009193.html

Tensorflow安装

在终端或cmd中输入以下命令搜索当前可用的tensorflow版本

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

（可以略掉）$ anaconda search -t conda tensorflow   Using Anaconda API: https://api.anaconda.org Run 'anaconda show <USER/PACKAGE>' to get more details: Packages:      Name                      |  Version | Package Types   | Platforms           ------------------------- |   ------ | --------------- | ---------------      HCC/tensorflow            |    1.0.0 | conda           | linux-64            HCC/tensorflow-cpucompat  |    1.0.0 | conda           | linux-64            HCC/tensorflow-fma        |    1.0.0 | conda           | linux-64            SentientPrime/tensorflow  |    0.6.0 | conda           | osx-64                                                   : TensorFlow helps the tensors flow      acellera/tensorflow-cuda  |   0.12.1 | conda           | linux-64            anaconda/tensorflow       |    1.0.1 | conda           | linux-64            anaconda/tensorflow-gpu   |    1.0.1 | conda           | linux-64            conda-forge/tensorflow    |    1.0.0 | conda           | linux-64, win-64, osx-64                                           : TensorFlow helps the tensors flow      creditx/tensorflow        |    0.9.0 | conda           | linux-64                                                 : TensorFlow helps the tensors flow      derickl/tensorflow        |   0.12.1 | conda           | osx-64              dhirschfeld/tensorflow    | 0.12.0rc0 | conda           | win-64              dseuss/tensorflow         |          | conda           | osx-64              guyanhua/tensorflow       |    1.0.0 | conda           | linux-64            ijstokes/tensorflow       | 2017.03.03.1349 | conda, ipynb    | linux-64            jjh_cio_testing/tensorflow |    1.0.1 | conda           | linux-64            jjh_cio_testing/tensorflow-gpu |    1.0.1 | conda           | linux-64            jjh_ppc64le/tensorflow    |    1.0.1 | conda           | linux-ppc64le       jjh_ppc64le/tensorflow-gpu |    1.0.1 | conda           | linux-ppc64le       jjhelmus/tensorflow       | 0.12.0rc0 | conda, pypi     | linux-64, osx-64                                           : TensorFlow helps the tensors flow      jjhelmus/tensorflow-gpu   |    1.0.1 | conda           | linux-64            kevin-keraudren/tensorflow |    0.9.0 | conda           | linux-64            lcls-rhel7/tensorflow     |   0.12.1 | conda           | linux-64            marta-sd/tensorflow       |    1.0.1 | conda           | linux-64                                                 : TensorFlow helps the tensors flow      memex/tensorflow          |    0.5.0 | conda           | linux-64, osx-64                                           : TensorFlow helps the tensors flow      mhworth/tensorflow        |    0.7.1 | conda           | osx-64                                                   : TensorFlow helps the tensors flow      miovision/tensorflow      | 0.10.0.gpu | conda           | linux-64, osx-64      msarahan/tensorflow       | 1.0.0rc2 | conda           | linux-64            mutirri/tensorflow        | 0.10.0rc0 | conda           | linux-64            mwojcikowski/tensorflow   |    1.0.1 | conda           | linux-64            rdonnelly/tensorflow      |    0.9.0 | conda           | linux-64            rdonnellyr/r-tensorflow   |    0.4.0 | conda           | osx-64              test_org_002/tensorflow   | 0.10.0rc0 | conda           |                Found 32 packages

选择一个较新的CPU或GPU版本，如jjh_cio_testing/tensorflow-gpu的1.0.1版本，输入如下命令查询安装命令

1 2 3 4 5 6 7 8 9 10 11 12

（可以略掉）$ anaconda show jjh_cio_testing/tensorflow-gpu   Using Anaconda API: https://api.anaconda.org Name:    tensorflow-gpu Summary: Access:  public Package Types:  conda Versions:    + 1.0.1   To install this package with conda run:      conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu

使用最后一行的提示命令进行安装

1 2 3 4 5 6 7 8 9 10 11 12

$ conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu==1.3.0   Fetching package metadata ............. Solving package specifications: .   Package plan for installation in environment /home/will/anaconda2:   The following packages will be SUPERSEDED by a higher-priority channel:       tensorflow-gpu: 1.0.1-py27_4 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free --> 1.0.1-py27_4 jjh_cio_testing   Proceed ([y]/n)?

conda会自动检测安装此版本的Tensorflow所依赖的库，如果你的Anaconda缺少这些依赖库，会提示你安装。因为我之前已经安装过了，所以这里只提示我安装Tensorflow。输入y并回车之后等待安装结束即可

• 可以选择次高版本的Tensorflow安装，因为最新版本可能清华 TUNA的仓库镜像库没有及时更新，而官方更新连接总是失败，我最开始选择了jjhelmus/tensorflow-gpu的1.0.1版本，其他依赖 库清华 TUNA的仓库镜像有资源，而到最后jjhelmus/tensorflow-gpu版本的Tensorflow安装包总是下载不下来，尝试20多次之后 换了一个1.0.0的版本，终于顺利安装成功

进入python，输入

1	import tensorflow as tf

如果没有报错说明安装成功。

（2）PIP安装tensorflow

安装完CUDA 8 和 cuDNN 5后， 在终端输入 sudo apt-get install libcupti-dev（参考：https://www.cnblogs.com/zengcv/p/6564517.html）

Ubuntu14.04默认安装的Python2.7.6

先安装Python库

1	sudo apt-get install python-pip python-dev

安装tensorflow：

      (1)在线安装 

                sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 

　　 (2)下载安装（由于Ubuntu系统下，网上比较慢，可以在windows下载。推荐这种安装方法） 

               sudo pip install tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 

　　　　（下载地址：https://pypi.org/project/tensorflow-gpu/1.0.1/#files）

参考文献：https://www.cnblogs.com/chamie/p/8876271.html