tensorflow环境搭建：Ubuntu16.04+python3.5+cuda8.0+tensorflow1.4

Ubuntu16.04是深度学习主流的操作系统，兼容性也最好。

python3.5能够安装支持tensorflow的gpu

cuda是nvidia推出的运算平台，cuda8.0对tensorflow比较友好

显卡驱动安装在我另外一篇博客中已经提到，安装的版本为nvidia-384

安装步骤：

1、安装cuda8.0

下载软件，并执行：

 

sudo ./cuda_8.0.61_375.26_linux.run --tmpdir=/opt/temp/

 

我们已经安装好了384，这一步选择n，剩下的一路yes就行。

最后需要配置环境变量，让我们安装的CUDA生效。

（1）打开sudo gedit ~/.bashrc，在最后面添加两行如下：

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

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

 

（2）设置环境变量和动态链接库，打开sudo gedit /etc/profile，在文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

（3）创建链接文件，打开sudo gedit /etc/ld.so.conf.d/cuda.conf，在文件中添加：

/usr/local/cuda/lib64

最后执行 sudo ldconfig，使上述设置立即生效。

测试CUDA：

执行以下命令：

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery

make

./deviceQuery

 

可以看到详细信息，最后结果是Pass，则CUDA安装成功。

 2、安装cuDNN

cuDNN是cuda的gpu加速的深度学习库，可以提高训练速度，是nvidia deep learning SDK的一部分。

支持的加速框架有：

因为我们安装的是cuda8.0，所以我们安装的是适配的cuDNN v7.2.1， for CUDA 8.0" 中的 "cuDNN v6.0 Library for Linux":

（版本会随着时间不断更新，只需要找到与cuda8.0相适配的就可以）

解压软件包，将头文件拷贝到cuda的include文件中，将lib文件拷贝到cuda的lib文件中：

 

3、安装tensorflow1.4

进入python，发现已经安装了anaconda4.2.0，但是没有tensorflow，运行命令安装tensorflow：

pip install --upgrade tensorflow

 

安装成功，则import不会报错：

 

至此，基于tensorflow框架的深度学习环境搭建好了，接下来就需要学习真正的实战了，不忘初心，方得始终。