Ubuntu18.04系统上安装TensorFlow-GPU、CUDA、CUDNN

最近再跑一个深度学习的模型，刚开始在虚拟机上跑，发现虚拟机上使用不了TensorFlow-GPU，所以速度特别的慢。决定装一个双系统使用GPU进行训练模型。

一、安装NVIDIA显卡驱动

1、通过Ubuntu上软件和更新进行安装

1.1、打开软件和更新，先更新软件源（这里我选择的是清华源），选择附加驱动，选择NVIDIA(这里我选择第一个)，点击关闭，点击重新载入，安装完成。

2、手动安装NVIDIA显卡驱动

2.1、首先查看一下自己的机器显卡型号，如下图所示。

lshw -c video

2.2、知道显卡型号后，点击进入NAIDIA驱动官网，根据上图查看的型号，在官网上选择自己显卡型号，点击START SEARCH；然后选择自己想要现在的文件

 

2.3、修改下文件权限，确保可以运行。

sudo chmod 777 NVIDIA-Linux-x86_64-378.13.run

2.4、获取root权限

sudo su

2.5、关闭XServer,不然总是安装报错。

init 3

2.6、安装驱动，到此安装完成。

./ NVIDIA-Linux-x86_64-378.13.run

tip:卸载NVIDIA

sudo apt-get remove nvidia*

二、安装CUDA

首先查看自己TensorFlow、CUDA、CUDNN之间的版本对应关系，查看网站：https://tensorflow.google.cn/install/source

1、下载CUDA

下载链接：https://developer.nvidia.com/cuda-toolkit-archive

 

 

2、安装CUDA

2.1登录系统，使用组合建【Ctrl】+【ALT】+【F2】,用root用户登录系统后，使用命令进行安装。

2.2、关闭图形界面,

service lightdm stop

init 3

tip:过程中无报错，即为操作成功！

2.3、赋予CUDA安装包可执行权限：

chmod +x cuda_8.0.44_linux.run 

tip:安装包以实际包名为准

2.4、执行安装指令

./cuda_8.0.44_linux.run –no-opengl-libs

tip:安装包以实际包名为准

2.5、安装过程注意点

当询问是否安装驱动，要输入no,因为前面已经安装过，如果y，会导致安装失败。

2.6、安装完成后，修改配置文件

gedit ~/.bashrc

在.bashrc文件的末尾添加

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} 
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存文件，执行

source ~/.bashrc

到此，CUDA安装已经全部完成！！！

三、安装CUDNN

1、下载所需版本的cudnn：https://developer.nvidia.com/cudnn，该网站需要注册登录才可以下载

选择自己所需的版本进行下载

2.解压下载的压缩包，便于区分，将解压后的cuda改成cudnn,并且chmod -R 777修改整个文件夹的权限。执行

sudo cp ./cudnn/lib64/lib* /usr/local/cuda/lib64/
sudo ln -s /usr/local/cuda/lib64/libcudnn.so.5.1.10 /usr/local/cuda/lib64/libcudnn.so.5
sudo ln -s /usr/local/cuda/lib64/libcudnn.so.5 /usr/local/cuda/lib64/libcudnn.so

查看文件和软链接的情况

ls -al /usr/local/cuda/lib64/libcudnn*

拷贝头文件

sudo cp ./cudnn/include/cudnn.h /usr/local/cuda/include/

四、安装TensorFlow-GPU

1、确保自己已经安装好Python，直接在命令行输入

pip --default-timeout=10000 install -i https://pypi.tuna.tsinghua.end.cn/simple tensorflow-gou==1.9.0

五，验证是否能够使用GPU进行训练

1.1在终端输入

Python

import tensorflow as tf
print("设备名称：",tf.test.gpu_device_name())

至此，整个环境已经安装成功！！！！！