点击关注我哦
一篇文章带你避坑安装tensorflow-gpu
本篇文章以 驱动版本：390.87、CUDA：9.0、cuDNN：7.0.1、tensorflow-gpu：1.9.1为例，介绍ubuntu系统下安装tensorflow-gpu的详细步骤。
准备文件：
驱动：NVIDIA-Linux-x86_64-390.87.run
驱动下载地址：/Download/index.aspx?lang=cn
驱动历史版本：/Download/Find.aspx?lang=en-us
CUDA：cuda_9.0.176_384.81_linux.run
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176.3_linux.run
cuda_9.0.176.4_linux.run
cudnn：cudnn-9.0-linux-x64-v7.tgz
注1：/install/source可以查看不同版本tensorflow匹配cuda和cudnn版本。
注2：/accelerated-computing-toolkit可以下载CUDA和Cudnn。
1. 准备工作
1.1 配置安装环境
sudo apt-get update若出现下述错误：Reading package lists... DoneE: Problem executing scripts APT::Update::Post-Invoke-Success'if /usr/bin/test -w /var/cache/app-info -a -e /usr/bin/appstreamcli;then appstreamcli refresh > /dev/null;fi'# E: Sub-process returned an error code执行：sudo pkill -KILL appstreamcliwget -P /tmp /ubuntu/+archive/primary/+files/appstream_0.9.4-1ubuntu1_amd64.deb /ubuntu/+archive/primary/+files/libappstream3_0.9.4-1ubuntu1_amd64.debsudo dpkg -i /tmp/appstream_0.9.4-1ubuntu1_amd64.deb /tmp/libappstream3_0.9.4-1ubuntu1_amd64.deb===================sudo apt-get install python-dev python-pip python-nose gcc g++ git gfortransudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libopenblas-dev liblapack-dev libatlas-base-devsudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-devsudo apt-get install git cmake build-essential
如果运行过程中出现类似下列错误：
原因：DNS没有配置
解决方法：请参考Linux无法正常解析域名
1.2 禁用自带的显卡驱动nouveau
sudo vi /etc/modprobe.d/blacklist-nouveau.conf或sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
将文件 blacklist-nouveau.conf 内容改为：
blacklistnouveau
blacklistlbm-nouveau
optionsnouveaumodeset=0
aliasnouveauoff
aliaslbm-nouveauoff
继续运行系列命令：
#禁用nouveau 内核模块echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.confsudo update-initramfs -ureboot #重启lsmod |grep nouveau #无显示则成功 当然驱动没了你的桌面分辨率会比较大。
1.3 进入命令行界面关闭图形化界面
sudo service lightdm stop
如果运行后出现下列错误：
执行以下代码进行安装lightdm：
sudoapt-getinstalllightdm#（运行过程中选择Yes）
2 安装新驱动（推荐在root账户下进行安装）
安装命令：
sudo apt-get --purge remove nvidia-* # 将系统中已安装的驱动删除cd 下载目录chmod a+x NVIDIA-Linux-x86_64-390.87.run #添加权限sudo ./NVIDIA-Linux-x86_64-390.87.run --dkms --no-opengl-files
参数备注：
–no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。
-dkms（默认开启）在 kernel 自行更新时将驱动程序安装至模块中，从而阻止驱动程序重新安装。在 kernel 更新期间，dkms 触发驱动程序重编译至新的 kernel 模块堆栈。
该步骤中有可能出现下列错误：（没有则跳过，大概率不会出现）
解决方式1：
ps -e|grep apt-get#输出下列内容5873 ? 00:00:01 apt-get#根据输出执行下列命令sudo kill 5873
解决方式2：
sudo rm /var/cache/apt/archives/locksudorm/var/lib/dpkg/lock
2.1 关于pre-script failed
运行时，你可能会收到一条 pre-install script failed 信息。这没什么影响,选择继续安装就行，因为预安装脚本包含命令 exit 1，其目标是确保你真的想安装驱动程序。
2.2 安装过程中的选项
dkms 安装最好 选yes
32位兼容 安装最好 选yes
可能出现的错误：
解决方法：
sudo dpkg --add-architecture i386sudo apt updatesudo apt install libc6:i386
注：x-org 最好别安，选no，有的电脑可能导致登录界面黑屏
其他常见错误：
解决方案：
sudo apt install dkms
注：若出现安装失败，重新执行：
sudo apt-get --purge remove nvidia-*
驱动安装成功后显示：
或
未知错误1：
未知错误2：
注：针对以上两个未知错误，可以选择在root下进行安装，便可避免。（有时候在用户权限下也不会出现该错误）
2.3 安装完成后验证
nvidia-smi #若列出GPU的信息列表，表示驱动安装成功
2.4 开启图形化界面
sudo service lightdm start
3 安装CUDA
3.1 如果已经安装CUDA，需要先卸载
在/usr/local/cuda/bin 目录下,有cuda 自带的卸载工具uninstall_cuda_9.1.plcd /usr/local/cuda/binsudo ./uninstall_cuda_9.1.pl
3.2 禁用图形化界面
sudo service lightdm stop #禁用X服务或sudo /etc/init.d/lightdm stop
3.3 安装CUDA
sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libssudo sh cuda_9.0.176.1_linux.runsudo sh cuda_9.0.176.2_linux.runsudo sh cuda_9.0.176.3_linux.runsudo sh cuda_9.0.176.4_linux.run
注：若提示是否安装NVIDIA驱动，选择NO，其他均为accept / y / 默认。（因为在之前已经安装其他版本的驱动）
如下：
sudo service lightdm start或sudo /etc/init.d/lightdm startreboot
3.4 重新进入后，修改环境变量
sudo gedit ~/.bashrc
加入：
export PATH=/usr/local/cuda-9.0/bin:$PATHexportLD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
注意：上述命令中的cuda-9.0也可以改成cuda，如果cuda是关于cuda-9.0的软链接
source ~/.bashrc
3.5 测试CUDA是否安装成功
方法一：
nvcc -V
方法二：
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuerysudo make./deviceQuery
4 配置cudnn
4.1 解压文件
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
4.2 把include/ 和 lib64/目录下的文件拷贝到cuda的安装目录下的include/ 和 lib64里面
cd cuda #解压后的路径sudo cp -P include/cudnn.h /usr/local/cuda-9.0/includesudo cp -P lib64/libcudnn* /usr/local/cuda-9.0/lib64sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*
4.3 创建cudnn链接
cd /usr/local/cuda/lib64# 删除原有版本号，版本号在cudnn/lib64中查询sudo rm -rf libcudnn.so libcudnn.so.7# 目的：生成软连接，注意自己下载的版本号（这儿是7.0.5）sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7sudo ln -s libcudnn.so.7 libcudnn.sosudo ldconfig #立即生效
5安装tensorflow
执行安装命令
pip install tensorflow-gpu==1.9
注：有时候使用pip进行下载或安装时，国外的源下载太慢，而且经常出现断开链接等情况。可以把pip的安装源换成国内镜像，可以大幅度提高下载速度。
常用的镜像源如下：
新版ubuntu要求使用https源，需要注意：
清华：https://pypi.tuna./simple
阿里云：/pypi/simple/
中国科技大学 https://pypi.mirrors./simple/
华中理工大学：/
山东理工大学：/
豆瓣：/simple/
使用方式举例：
临时使用：
pip install -i https://pypi.tuna./simple numpy
永久修改：
修改~/.pip/pip.conf（若没有就创建一个文件夹及文件。文件夹加“.”，表示是隐藏文件.）内容如下：
[global]index-url = https://pypi.tuna./simple[install]trusted-host=
附加内容：windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如上。
确认安装成功
pythonimport tensorflow as tfprint(tf.__version__)
若输出下列版本信息，则证明安装成功：
1.9.1
· END ·
HAPPYLIFE
