笔记本建立Tensorflow（GPU）环境

笔记本TF环境构建与台式机非常类似，主要是安装CUDA的方式不一样，并且笔记本安装CUDA比较麻烦，经过多次测试找到了一种比较简单有效的方法。基本环境：ubuntu16-64bit，CUDA8，cuDNN5.1，python2.7，TF0.11（已经支持cuDNNv5了）

1. 安装CUDA8

目标系统是Ubuntu16-64bit，经过多次尝试，只有deb安装方式可行，其他的方式没有成功过。注意：最好是新系统安装，如果以前安装过NIVIDA笔记本显卡的驱动就要先卸载，安装CUDA时会自动安装相应的驱动，更方便可靠。首先是下载相应的deb文件，然后是参考安装手册安装deb文件：

第一步命令补全自己下载的deb文件名称，第三步添加路径时可以在home文件夹隐藏文件.bashrc中添加下列语句（“Ctrl+H可以显示隐藏文件”），直接修改即可，需要在文件最后添加的语句：（添加后重启一下）

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}}  

之后就是按照第4步编译一个例子，看能不能运行，如果可以，表示CUDA的环境安装好了。

2. 安装cuDNN

下载cuDNN5.1 ，安装方法如下（这个是把一些文件复制到指定位置即可）：

tar xvzf cudnn-8.0-linux-x64-v5-prod.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

3. 安装pip和TF

TF安装很简单，按照参考官网：

sudo apt-get install python-pip python-dev

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
  
  

   
   

   
   
sudo pip install --upgrade $TF_BINARY_URL
   
   
（中间需要下载一些东西，可能比较慢，如果最后一步出现错误，重启一下电脑再重新执行3.）
   
   


   
   
4. 测试TF
   
   
    
    

     
     进入Python测试：（显示一些输入输出，能运行即表示TF安装成功了
     
     ）
    
    
    
    

     
     
     
     
$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>