在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统（30分钟傻瓜版）

最新推荐文章于 2025-05-13 23:02:39 发布

原创最新推荐文章于 2025-05-13 23:02:39 发布 · 962 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #CUDA #TensorFlow #cuDNN #Anaconda

Python/机器学习/深度学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何在Ubuntu 16.04上通过Anaconda简单快捷地搭建TensorFlow、CUDA和cuDNN的深度学习系统。通过更换软件源加速下载，30分钟内即可完成安装，包括安装Anaconda、CUDA，并使用conda安装相关组件，确保GPU支持。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

新配了一台电脑（i7-7700，GTX1070），装了UBUNTU 16.04，准备折腾折腾tensorflow。

之前看网上林林总总的安装教程，一个个都复杂无比。当然，复杂有复杂的道理，但是我实在是不想又在这台家用电脑上折腾一遍，于是又开始了偷懒大法。

貌似还真可以偷偷懒。

1、安装Anaconda

电信百兆直连官网都只有5K左右的下载速度，推荐去清华大学开源软件站下载。

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

下载之后顺便把软件源更换了，添加个conda-forge。

2、安装CUDA

推荐改个国内源，速度快得多。

sudo apt-get install nvidia-cuda-toolkit

系统会自动帮你装好所有东西的。

安装完之后重启电脑，测试一下：

talesyuan@TalesYuan:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Tue_Aug_11_14:27:32_CDT_2015
Cuda compilation tools, release 7.5, V7.5.17

talesyuan@TalesYuan:~$ nvidia-smi
Tue Aug  1 23:07:20 2017       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.66                 Driver Version: 375.66                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 1070    Off  | 0000:01:00.0      On |                  N/A |
|  0%   43C    P8    10W / 180W |    383MiB /  8112MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0      1023    G   /usr/lib/xorg/Xorg                             222MiB |
|    0      1731    G   compiz                                         158MiB |
+-----------------------------------------------------------------------------+

3、用Anaconda安装其他组件

conda install tensorflow-gpu

conda会自动帮你装好cudatoolkit和cuDNN匹配版本

同样的方法还可以装上openblas，theano，pytorch，keras，等等。

装好之后重启一下，做个测试，看看GPU是否可用。

测试来自：http://blog.youkuaiyun.com/weixin_35653315/article/details/71403386

def is_gpu_available(cuda_only=True):
  """
  code from https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/platform/test.py
  Returns whether TensorFlow can access a GPU.
  Args:
    cuda_only: limit the search to CUDA gpus.
  Returns:
    True iff a gpu device of the requested kind is available.
  """
  from tensorflow.python.client import device_lib as _device_lib

  if cuda_only:
    return any((x.device_type == 'GPU')
               for x in _device_lib.list_local_devices())
  else:
    return any((x.device_type == 'GPU' or x.device_type == 'SYCL')
               for x in _device_lib.list_local_devices())

def get_available_gpus():
    """
    code from http://stackoverflow.com/questions/38559755/how-to-get-current-available-gpus-in-tensorflow
    """
    from tensorflow.python.client import device_lib as _device_lib
    local_device_protos = _device_lib.list_local_devices()
    return [x.name for x in local_device_protos if x.device_type == 'GPU']

print(is_gpu_available())
print(get_available_gpus())