ubuntu16.04完整深度学习环境配置（包含两种方法对tensorflow库的配置）

ubuntu16.04完整深度学习环境配置（包含两种方法对tensorflow库的配置）

对于深度学习的初学者来说，在配置环境的过程中必然要经过痛苦的挣扎，踩过无数的坑，最终才能守得云开见月明。作为一个小白，我经过了无数次的尝试，发现配置深度学习环境并能够使GPU进行加速，有两个方法。下面把自己的配置过程分享一下，一是方便自己查阅，二是希望能为一些人提供帮助。
参考链接：https://blog.youkuaiyun.com/m0_37924639/article/details/78785699
https://blog.youkuaiyun.com/oTengYue/article/details/79506758
https://blog.youkuaiyun.com/qq_38901147/article/details/90049666
https://blog.youkuaiyun.com/weixin_39954229/article/details/79961172
https://blog.youkuaiyun.com/xxty1122/article/details/80443969
在安装之前，想说一个问题，大部分小伙伴都会用到tensorflow框架，我们在安装tensorflow库的时候，其实是有tensorflow和tensorflow-GPU不同版本的。两种版本有不同的安装方法。
方法一：tensorflow（需要安装NVIDIA+CUDA+CUDNN+Aanconda）
方法二：tensorflow-GPU（只需安装NVIDIA +Aanconda）
CUDA+CUDNN会自动帮你安上
两种方法都进行过尝试，并且都成功了。下面先介绍第一种方法，大部分人会用第一种方法。
方法一
一.软件准备
１.ＣＵＤＡ８.0
下载链接：https://developer.nvidia.com/cuda-80-download-archive
　　根据自己的版本信息进行选择即可，最好选择runfile(local)版本，我尝试过下载其他类型没有成功，也可以尝试其它版本哦。

２.CUDNN5.1
下载链接：https://developer.nvidia.com/rdp/cudnn-archive
下载之前，需要先进行注册，最重要的一点，一定要选好对应的版本。
３.驱动安装脚本
链接：https://www.nvidia.cn/Download/index.aspx?lang=cn
4.anaconda
下载链接：https://repo.continuum.io/archive/index.html
5.明确各个版本之间的关系（安装对应的版本是关键）
nvidia与cuda需要满足关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
cuda与cudnn需要满足关系：
https://developer.nvidia.com/rdp/cudnn-archive
Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
参考链接：https://blog.youkuaiyun.com/u013066730/article/details/80980940

二.显卡的安装
１.禁用开源驱动nouveau
打开终端，输入命令

sudo gedit /etc/modprobe.d/blacklist.conf

在其中添加下面两行：

blacklist nouveau
options nouveau modeset=0

对文件进行保存，退出。
为了使其生效，执行如下命令使配置生效：
sudo update-initramfs -u
重启电脑，至此开源驱动就已被禁用了，可用如下命令进行检查：
lsmod | grep nouveau1
如果系统什么也没返回，说明nouveau禁用成功
２.安装Nvidia驱动
进入存放驱动脚本的目录，执行以下命令：

sudo chmod a+x 你的脚本.sh
sudo ./你的脚本.sh -no-x-check -no-nouveau-check -no-opengl-files

参考了一些相关的经验，在安装显卡的时候一定要加上后面的参数，防止出现循环登录的界面。用此方法成功过，但如果安装的版本不匹配的话还是会出现循环登录的情况。如果出现此情况的小伙伴，请往下看，给出了解决方案。
３.验证是否安装成功
在terminal里面输入命令nvidia-smi，看到输出版本信息，就代表安装成功了。
4.问题解决方法
安装驱动后出现循环登录，解决办法
参考链接：https://blog.youkuaiyun.com/Xs_55555/article/details/79711911
同时按下ctrl+alt+F1，在出来的界面里输入帐号密码

sudo service lightdm stop  #关闭显卡驱动
sudo apt-get purge nvidia*  #卸#查询NVIDIA显卡驱动，并安装载显卡驱动
sudo apt-cache search nvidia* #选择一个你需要的，如nvidia 384或390
sudo apt-get install nvidia-384
sudo nvidia-xconfig
sudo reboot

在我的电脑上，再次重新登录，问题解决。
三.CUDA的安装
１.安装命令
打开terminal，进入cuda所在的下载文件夹，输入

sudo sh cuda_8.0.61_375.26_linux.run1

如果安装成功，最终会出现3个installed。
２. 安装过程的选项选择
(1). 会先有个阅读声明，一直按D即可，然后accept。
(2). 选项install nvidia accelerated Graphics Driver,输入n，因为我们已经安装了nvidia的驱动。
(3). 后面的可以都选择yes
安装过程结束后会有以下信息：
Driver ：Not Selective
Toolkit ：Installed in /usr/local/cuda-8.0
Samples ：Installed in /home/vincent
3.验证cuda是否成功安装
重启进入界面，打开终端输入：

export PATH="/usr/local/cuda-8.0/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH" 

这两条命令是将cuda的bin文件和lib导出到系统环境中。
如果安装的版本不是一样的，更换路径中的cuda-8.0。
(1). 终端输入：
nvcc -V
如果有CUDA的版本信息代表正常。
(2). 编译samples例子
#编译并测试设备 deviceQuery：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest：

cd ../bandwidthTest
sudo make
./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。
三.安装CUDNN
下载后进行解压：
tar -zxvf cudnn-8.0-linux-x64-v5.1-ga.tgz

进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：

cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include  #复制头文件

再将进入lib64目录下的动态文件进行复制和链接：

cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.1.10
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

四.安装anaconda
通过使用以下命令来安装anaconda：

wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh

然后运行：
sh Anaconda3-5.0.1-Linux-x86_64.sh
一路yes下来即可，最后的vs安装，若有需求便安装，记得加入环境变量。
然后更新系统环境：source ~/.bashrc
进入ｈｏｍｅ／ｃｚ界面，然后用ｃｔｒｌ＋ｈ显示隐藏项
重启终端anaconda才能生效
五．配置tensorflow库
在anaconda中，默认python版本为3.6，且有pip安装工具。
执行以下命令：pip install tensorflow==1.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
完成tensorflow安装。

方法二
一. 先安装上显卡驱动和anaconda(方法同上)
二. 在anaconda中安装tensorflow GPU版本库
1.创建环境

conda create -n tensorflow python=3.6

2.进入环境
source activate tensorflow
3.安装库

conda install tensorflow-gpu==1.0

退出环境

conda deactivate  或者  source deactivate

在安装的时候会一块安装上CUDA和CUDNN
如下图所示

查看GPU运行情况- 命令：watch -n 0 nvidia-smi
如下图所示

退出watch指令 ctrl+c
验证tensorflow是否安装成功
进入环境：source activate tensorflow
输入python
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
sess.run(hello)

出现如下结果，证明安装成功
出现’Hello, TensorFlow!’，证明安装成功
如下图所示