Deepin 安装tensorflow gpu亲测教程（适用于双显卡）

前言

这两天为了在Deepin Linux上安装tensorflow-gpu版真的是一把辛酸一把泪，好在经过无数次踩坑终于完美解决。以下是我的计算机的配置：

• 系统：Deepin Linux 15.9 64位
• GPU：
  • Intel Corporation 4th Gen Core Processor Integrated Graphics Controller (核显)
  • NVIDIA Corporation GK107M [GeForce GT 755M] (独显，-_-||虽然显卡有点辣鸡但gpu版还是比cpu版要快得多)

本文安装过程中使用的相关构建配置如下：

• Tensorflow: 1.8.0 gpu版
• Python: 3.6
• CUDA: 9.1 (Deepin 15.9源内版本CUDA只有9.1)
• cuDNN: 7.1.3
• NCCL: 2.1.15
• 编译器: GCC 4.8
• 构建工具: Bazel 0.10.0

注意：本文适用于64位的计算机（现在基本都是），安装的是Tensorflow-gpu 1.8.0版，其他版本推荐使用如下图所示的官方经测试的构建配置，安装方法不变。从图中可见，不同tf版本其实也就构建工具版本不同，所以其他工具版本和我保持一致就行。

在文章的最后会附上我踩过的坑，供大家参考。在15.9的系统和Intel、Nvidia双显卡的环境下，按照本教程应该是可以安装成功的，一步一步做就好。

方法概述： 使用大黄蜂方案（平时用开源，需要时手动切换Nvidia驱动独显，稳定省电），安装源内版本的CUDA，手动安装cuDNN和NCCL，使用源代码编译安装Tensorflow-gpu（因为源内CUDA只有9.1，tf官方只有支持9.0的，所以只能自己编译源代码安装）。

Let’s GO

Step 1: 安装Python

推荐安装Anaconda，附带各种方便科研和开发的库的Python发行版，我安装的是Anaconda 3.6。怎么安装Anaconda请看这里。已经安装Python的可略过。

Step 2: 切换到大黄蜂显卡驱动解决方案

使用系统自带的“显卡驱动管理器”，傻瓜切换到大黄蜂解决方案。

切换成功后，在命令前加上optirun即可使用独立显卡运行程序。在终端中输入

optirun -b none nvidia-settings -c :8

即可打开NVIDIA X服务器设置，查看显卡及驱动信息，可见我安装上的驱动版本为390.67。CUDA 9.0要求显卡驱动384.xx以上，满足要求。

Step 3: 安装源内版本的CUDA

根据我的尝试，自己安装CUDA 9会不识别显卡驱动，所以此处采用源内CUDA。安装很简单：

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit libcupti-dev nvidia-nsight nvidia-visual-profiler

一条命令搞定确实是很方便，安装后使用nvcc --version命令即可看到CUDA版本信息为9.1。

安装是容易&#x