ubuntu下tensorflow-gpu的安装

ubuntu 16.04

lspci | grep -i nvidia  #确认是nvidia显卡
uname -m && cat /etc/*release #确认是x86_64
gcc --version #确认gcc安装好了
sudo apt-get install linux-headers-$(uname -r) #安装kernel header

以上nvidia官网推荐，可不做。

1.更新nvidia显卡驱动至最新版本

2.安装CUDA8.0

从https://developer.nvidia.com/cuda-toolkit-archive下载CUDA Toolkit 8.0 GA2 (Feb 2017)以及补丁文件，一定用md5sum验证一下

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb

添加环境变量到.bashrc文件，并source一下

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}}

最后用 nvidia-smi验证是否安装成功

3.安装cuDNN6.0

官网下载三个文件后，进行安装

sudo dpkg -i libcudnn6_6.0.21-1+cuda8.0_amd64.deb
sudo dpkg -i libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb
sudo dpkg -i libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb

并验证，若出现Test passed则安装成功

cp -r /usr/src/cudnn_samples_v6/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

4.安装相关library

sudo apt-get install libcupti-dev

5.tensorflow-gpu安装

sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n
virtualenv --system-site-packages -p python3 ~/envs/tfgpu # for Python 3.n
source ~/envs/tfgpu/bin/activate
pip3 install --upgrade tensorflow-gpu

可以把alias tfgpu='source ~/envs/tfgpu/bin/activate'添加到.bashrc
pip3安装的时候不用sudo，否则会安装到系统文件里，不在virtualenv里
可以先用pip3 install --upgrade，把pip3的版本刷高
安装的时候pip3 install --upgrade 后面可以直接加上下载的whl文件

6.测试

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

在测试mnist的deep训练时候，若出现内存不够，则要在test中分几个batch。