前言

以下采用的版本設置均可以參考tensorflow官網(wǎng)然后選擇相應的CUDA以及cuDNN版本。另外說一句發(fā)現(xiàn)再這用錨點很難受庄蹋。想要更好的閱讀體驗請直接訪問我的博客
配置說明

Ubuntu 16.04, NVIDIA GTX 1060

搭建目標

CUDA 8.0, cuDNN 5.1, Tensorflow-gpu(本文目前只是1.2尾抑，瀏覽TensorFlow官網(wǎng)獲取其他版本斗躏。注意與CUDA和cuDNN對應), Keras

做任何操作之前請看文章大綱贷币！

接下來會做什么？

• pyenv安裝以及常見命令
• 安裝Anaconda
• 安裝GPU驅動以及裝載CUDA
• 設置cuDNN
• 創(chuàng)建環(huán)境安裝TensorFlow-GPU
• 安裝Keras
• [Keras demo
• 常見問題列表

pyenv安裝以及常見命令

首先介紹pyenv是什么東西换怖？可以簡單理解為一種能夠管理多種python環(huán)境方便我們不同需求下運行不同的python并且全局設定。具體詳情可以參見pyenv-github

1. 安裝git

$ sudo apt-get install git #安裝git
$ git --version #檢查版本以及確認已經(jīng)成功

2. 開始裝pyenv

$ git clone https://github.com/pyenv/pyenv.git ~/.pyenv #下載源文件
$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc  #定義PYENV_ROOT
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc #定義PYENV_ROOT
$ echo -e 'if command -v pyenv 1>/dev/null 2>&1; then\n  eval "$(pyenv init -)"\nfi' >> ~/.bashrc  #pyenv init

重啟終端即可蟀瞧。

3. 查看可安裝列表

$ pyenv install --list 

4. 安裝Python的依賴包

$ sudo apt-get update
$ sudo apt-get install make build-essential libssl-dev zlib1g-dev
$ sudo apt-get install libbz2-dev libreadline-dev libsqlite3-dev wget curl
$ sudo apt-get install llvm libncurses5-dev libncursesw5-dev

安裝Anaconda

Anaconda是專門為了科學計算所封裝的常用的python的數(shù)據(jù)包例如(numpy…) 其主要內(nèi)容請Anaconda參考官網(wǎng)狰域，考慮到國內(nèi)網(wǎng)速比較慢甚至可能會導致中途失敗，以下均用清華鏡像 tuna（以下參考下載Anaconda3-5.1.0-Linux-x86_64.sh 備用）

$ cd  ~/.pyenv #進入.pyenv配置文件中
$ sudo mkdir cache #新建cache文件夾(默認沒有)
$ cp Anaconda3-5.1.0-Linux-x86_64.sh ~/.pyenv/cache #通過cp命令 將xxx.sh文件copy到cache下
$ pyenv install anaconda3-5.1.0 #安裝 默認會掃描cache目錄下面的文件 所以可以快速安裝
$ pyenv rehash # 刷新

參考常用命令

$ pyenv versions #查看本地的Python版本
$ pyenv install --list #查看可安裝的列表
$ pyenv install xxxx #安裝xxx
$ pyenv uninstall xxxx #卸載xxx
$ pyenv global 環(huán)境名稱 # 設置全局Python環(huán)境版本
$ pyenv local 環(huán)境名稱 # 設置本地shell的Python環(huán)境版本
# ps:其他命令請輸入pyenv或者查詢官方手冊查看

安裝GPU驅動以及裝載CUDA

1. 卸載原有驅動(針對之前有驅動的情況)

$ sudo apt-get remove --purge nvidia*
$ sudo chmod +x *.run #賦給.run運行的權限
$ sudo ./NVIDA-Linux-x86_64-390.48.run --uninstall #具體版本參考自己的GPU型號去官網(wǎng)查詢

2. 禁止nouveau驅動

$ sudo gedit /etc/modprobe.d/blacklist.conf
# 將下面的兩句話加入這個配置文件中保存
blacklist nouveau
options nouveau modeset=0 

修改后執(zhí)行sudo update-initramfs -u

重啟電腦后黄橘，輸入lsmod | grep nouveau兆览。如果屏幕沒有任何信息輸出，說明禁止成功塞关。

3.禁止X-windows服務

$ sudo service lightdm stop #會關閉圖形化界面
# 然后Ctrl + Alt + F1 切換到到命令行界面 然后利用賬戶和密碼登錄

Tips: sudo service lightdm start 開啟 Ctrl + Alt + F7 即可以切換回去抬探。

4. 命令行驅動安裝

$ sudo ./NVIDA-Linux-x86_64-390.48.run --no-opengl-files #不需要安裝額外的OpenGL庫(ubuntu本身已經(jīng)有了)

一直看著提示安裝，如果出現(xiàn)錯誤(32bit 兼容...)忽略不計帆赢，或者多次反復安裝即可小压。

驅動測試

$ nvidia-smi #會顯示出本機安裝的驅動列表 有提示就行了。
# or
$ nvidia-settings #彈出NVIDIA對話框即可

5. 安裝CUDA

首先官網(wǎng)下載好對應的.run文件 詳情請看nvida CUDA

$ sudo ./cuda_8.0.61_375.26_linux.run --no-opengl-libs

然后根據(jù)提示進行安裝 以下是我的選擇

$ accept #同意安裝
$ n #不安裝driver椰于，之前已經(jīng)裝載最新驅動
$ y #安裝CUDA toolkit
$ <Enter>
$ <Enter>
$ y #允許創(chuàng)建目錄
$ y #允許復制/Sample

測試CUDA Sample

編譯以及測試deviceQuery

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

編譯以及測試bandwidthTest

$ cd ../bandwidthTest
$ sudo make
$ ./bandwidthTest

如果兩個的結果均為 Result = PASS怠益，說明到現(xiàn)在我們已經(jīng)完成了CUDA的安裝

設置cuDNN

這里的主要工作是關聯(lián)動態(tài)鏈接。

下載cuDNN 需要先注冊賬戶

首先我們需要下載相應的cuDNN瘾婿，我這里下載的是cuDNN v5.1 Library Linux 即cudnn-8.0-linux-x64-v5.1.tgz蜻牢，其他請參考官網(wǎng)cuDNN版本庫

由于我安裝發(fā)現(xiàn)在我的``/usr/local/下會出現(xiàn)cuda以及cuda-8.0`烤咧，所以我建議下面的操作兩個都需要試試（視情況而定）。

解壓下載的cudnn得到cuda這個文件夾并且進入進行一下操作

$ sudo cp include/cudnn.h /usr/local/cuda(需要后面都替換為cuda-8.0,后面都需要做兩次)/include/ #復制頭文件
$ sudo cp lib64/* /usr/local/cuda/lib64/
$ cd /usr/local/cuda/lib64
$ sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5 #這里生成軟鏈接 根據(jù)自己下載cudnn版本不同 其數(shù)字會有所不同
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig -v #生成鏈接
$ ls # 查看一下當前目錄下是否存在上面的so文件以及是否會有紅色(表示鏈接錯誤)

創(chuàng)建環(huán)境安裝TensorFlow-GPU

1. 安裝pip

$ sudo apt-get install python-pip

2. 利用anaconda安裝TensorFlow-GPU

首先需要根據(jù)CUDA和cuDNN選擇相應的tensorflow版本 這里選擇1.2 因為之前的驅動裝的版本比較低抢呆，因為比較穩(wěn)定煮嫌。據(jù)你自己情況而定。

首先去看tensorflow官網(wǎng)不要去國內(nèi)的網(wǎng)站中文網(wǎng)站抱虐，版本太低了昌阿。

查看Installing TensorFlow on Ubuntu首先查看CUDA以及cuDNN版本要求。

點擊右邊目錄中的Installing with Anaconda

創(chuàng)建anaconda環(huán)境（為TensorFlow做準備）

$ pyenv global anaconda-xxx-xx # 首先切換之前裝好的anaconda
$ conda create -n tensorflow(環(huán)境名稱) #創(chuàng)建tensorflow環(huán)境可以理解為容器

開啟TensorFlow環(huán)境

$ source activate tensorflow #跟前面的創(chuàng)建的名稱一致
(tensorflow)$  # 你的shell就會變成這樣 

安裝TensorFlow-GPU

$ pip install --ignore-installed --upgrade tfURL

這里的tfURL需要根據(jù)不同的python版本以及cpu或者GPU選擇恳邀，查看側邊菜單就能找到

由于我這里anaconda-3.5 是python 3.6所以就需要選擇

GPU version:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp36-cp36m-linux_x86_64.whl

CPU version:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp36-cp36m-linux_x86_64.whl

然后等待安裝（速度超級快Ｅ潮）

然后再嘗試import tensorflow as tf 到這里會出現(xiàn)一些問題請參考后面的常見問題列表

安裝Keras

到了這里應該是最簡單的一步了。

$ source activate tensorflow # 首先進入我們之前搭建的環(huán)境
$ pip install keras #安裝keras
# 等待安裝結束

輸入python進入環(huán)境中

import tensorflow as tf
import keras
# 沒有報錯就完成了所有的搭建

Keras demo

$ git clone https://github.com/fchollet/keras.git
$ cd keras/examples/
$ python mnist_mlp.py

接下來你就會看見很酷的訓練數(shù)據(jù)以及模型谣沸，沒有任何錯誤即可刷钢。

常見問題列表

Q1:

ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory

解決思路：仔細看提示則就是提示libcudart.so.8.0不能打開共享鏈接，我們需要用一種方法找到這個東西（修改.bashrc文件）

$ export LD_LIBRARY_PATH=/usr/local/cuda/lib64/
$ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/
# 再次解釋鳄抒，由于我安裝cuda之后就會出現(xiàn)這兩個文件闯捎，防止錯誤 所以我進行了兩次操作

Q2：

ImportError: libcudnn.5: cannot open shared object file: No such file or directory

解決思路：其實這里也應該是文件問題，并且這個文件是在前面生成的軟鏈接许溅，所以現(xiàn)在重新進行生成鏈接操作即可瓤鼻。

$ cd /usr/local/cuda/lib64或者cuda-8.0
$ ls # 查看這個文件是否存在，我當時是紅色就說明有問題贤重，然后刪除
$ sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5 #這里生成軟鏈接 根據(jù)自己下載cudnn版本不同 其數(shù)字會有所不同
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig -v #生成鏈接
# 注意這里依然在cuda-8.0和cuda都進行一次茬祷。

最后

有問題可以留言 & 歡迎交流。