Ubuntu16.04下基于Anaconda3安装tensorflow-gpu(python=3.5)

最新推荐文章于 2020-05-11 17:10:43 发布

云若祯初

最新推荐文章于 2020-05-11 17:10:43 发布

阅读量407

点赞数

CC 4.0 BY-SA版权

文章标签： tensorflow ubuntu gpu

本文链接：https://blog.youkuaiyun.com/m0_37935211/article/details/79836665

本文详细介绍了如何在Ubuntu16.04系统中配置GPU环境，包括安装Anaconda3、Cuda Toolkit 8.0、cuDNN 5.1以及TensorFlow-GPU 1.2.0的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装方式很多，这里采用基于Anaconda3的安装方法。

操作系统：Ubuntu16.04

硬件配置：GeForce GTX 1080 Ti

网络环境：不能翻墙

安装好的软件：sublime、搜狗拼音输出法

安装Anaconda
安装Cuda Toolkit和CUDNN
安装tensorflow-gpu

特别提醒：严格按照对应版本安装，否则后面跑tensorflow的程序时很容易出现版本不兼容而报错。（初学者根据报错信息很难判断错误原因）

一、安装Anaconda3

下载地址：点击打开链接

安装指南：点击打开链接

按照安装指南下载安装的，没遇到什么问题。

版本：Anaconda3最新版

安装步骤：同安装指南。跳过了第二步，另外网上很多教程写要安装驱动，但我的电脑似乎驱动本来就安装好了的，所以我没有这个步骤也能用tensorflow。不过为了保险起见，建议还是装一下驱动好啦。

查看驱动版本

ubutnu-drivers devices

我的输出：

== /sys/devices/pci0000:00/0000:00:03.0/0000:03:00.0 ==
modalias : pci:v000010DEd00001B06sv000010DEsd0000120Fbc03sc00i00
vendor   : NVIDIA Corporation
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-384 - distro non-free recommended

安装驱动,推荐的384就安装384啦

sudo apt-get install nvidia-384

重启（一定要重启啊）后检查驱动是否安装好

nvidia-smi

我的输出：

Wed Jan 23 22:24:48 2019       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.130                Driver Version: 384.130                   |
|-------------------------------+----------------------+----------------------+
| 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 108...  Off  | 00000000:03:00.0  On |                  N/A |
| 23%   27C    P0    56W / 250W |    294MiB / 11169MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0       974      G   /usr/lib/xorg/Xorg                           177MiB |
|    0      1626      G   compiz                                       114MiB |
+-----------------------------------------------------------------------------+

二、安装Cuda Toolkit8.0和CUDNN 5.1（GPU支持）

CUDA是NVidia的编程语言平台，要使用GPU就必须装这个，如果只用CPU的话就可以跳过这一步。

1、下载安装Cuda Toolkit8.0

下载地址：点击打开链接

架构选x86_64,安装类型选的deb（local)

下载好之后按照下载界面弹出的安装指南安装即可（这里复制一下吧），别忘了在下载目录打开终端。

Installation Instructions:

`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`

下载界面还有个补丁，我也不知道有没有用，姑且下载好安装上。

2、下载安装cuDNN v5.1 for CUDA 8.0

下载地址：点击打开链接

这就是一个GPU加速的库。

下载这个要先注册，你点下载按钮时注册界面会自己弹出来的。注册我用的QQ邮箱，等了估计十几分钟才收到注册邮件。网上说163会快一些。

下载的时候选择for linux版本，别选Ubuntu16.04 Power8。

下载得到的压缩包解压到随便什么地方，得到两个东西一个是头文件cudnn.h，另一个是一个文件夹，里面装的库文件：.a是静态库,.so是动态库。

由于Cuda Toolkit8.0默认安装在/usr/local/cuda，所以执行下列命令就可以把这个库添加进cuda里。

前一个路径记得改成自己的。

sudo cp cudnn-8.0-linux-x64-v5.1/cudnn.h /usr/local/cuda/include
sudo cp cudnn-8.0-linux-x64-v5.1/libcudnn* /usr/local/cuda/lib64

3、添加环境变量

打开终端

sudo subl ~/.bash_profile

我用的文本编辑器是sublime，很好用，个人觉得写代码比Anaconda自带的spyder好用。采用Ubuntu系统自带的gedit进行编辑会报错无法编码所以就换了个编辑器。然后把下面两行代码复制粘贴进去（直接复制粘贴不需要修改）

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"export CUDA_HOME=/usr/local/cuda

保存之后重启一下电脑或者执行指令

source ~/.bash_profile

三、安装Tensorflow-gpu

1、建立一个conda计算环境名字叫tensorflow

学长说python 版本3.5以上会报错，所以我放弃了最新版3.7而选择了版本3.5

 conda create -n tensorflow python=3.5

2、安装tensorflow-gpu

根据之前的经验tensorflow-gpu1.2.0是一个可用的版本，比它高的版本我都遇到过版本不兼容的报错，所以索性每次重装系统我都用的1.2.0，可能现在（2019.1.23）高版本也能用，但我懒得试……

source activate tensorflow
pip install tensorflow-gpu==1.2.0

3、测试

这种安装方法使得每次使用tensorflow需要激活tensorflow环境，也就是

source activate tensorflow

然后就可以测试了

$ 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
>>>

参考资料：

1、tensorflow官方文档中文版：点击打开链接

2、GPU环境配置：点击打开链接

3、《tensorflow技术解析和实践》，因为无法翻墙所以不能通过网址下载tensorflow,所以借鉴了书里的安装指令pip install tensorflow-gpu==1.2.0。