工作笔记-服务器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu环境搭建

记录实习工作中学到的新东西

服务器下ubuntu+cuda9.0+cuDNN7.0+tensorflow-gpu环境搭建

1.登陆服务器

windows系统下用xshell或者MobaXterm，新建session，输入服务器ip连接。

2.安装cuda9.0

（1）在英伟达官网进入cuda下载页（https://developer.nvidia.com/cuda-90-download-archive），选择对应的版本。ubuntu16.04的如下图，选择runflie(local)则可以直接循行.run文件进行安装，十分简便。

（2）按照官方的提示，接下来运行命令$ sudo sh cuda_9.0.176_384.81_linux.run即可。但是在服务器上安装，我没有sodu权限，因此要运行$ sh cuda_9.0.176_384.81_linux.run。
接下来会进入到安装程序，进行一系列的选择。对于安装新的英伟达驱动选择no，对于安装路径默认的是/usr/local/cuda-9.0，这里应该输入想要安装到的自己服务器的目录，我的是/home/服务器名字/cuda-9.0。其他的都可以按照默认的来。
（3）配置环境变量
最后需要给cuda在~/.bashrc中添加环境变量

$ vi ~/.bashrc  //用vi打开~/.bashrc文件后，按i进入编辑模式

然后添加环境变量，比如我的是

#cuda
export PATH="/home/fumengjin/cuda-9.0/bin:$PATH"
export LD_LIBRARY_PATH="home/fumengjin/cuda-9.0/lib64:$LD_LIBRARY_PATH"

然后退出vi，按esc进入命令模式，然后输入“:”再输入x，保存并退出。
（4）卸载cuda
如果安装出了什么问题需要卸载，在cuda-9.0/bin中有卸载cuda的程序，在cuda的安装路径下，运行./bin/uninstall_cuda_7.5.pl就可以自动卸载，然后重启一下终端即可。

3.安装cuDNN

cuDNN的安装比较简单，在英伟达官网的下载页(https://developer.nvidia.com/rdp/cudnn-archive)，选择相应版本的cuDNN，我选的是对应与cuda9.0的cuDNN7.0.5，下载cuDNN v7.0.5 Library for Linux。这个需要登陆英伟达的账号，账号好像需要FQ才好登。

可以直接下载到和cuda-9.0同一个根目录下，得到一个cudnn-9.0-linux-x64-v7.tar的压缩包。运行tar -xzvf cudnn-9.0-linux-x64-v7.tgz，解压即可，解压后会得到一个名为cuda的文件夹。

如果是下载在其他的下载目录下，就将cuda文件夹目录下的文件都复制到和cuda-9.0同一个根目录下。

4.安装tensorflow-gpu

我是直接用pip安装的，pip install tensorflow-gpu。
如果不能FQ用pip安装太慢的话，可以用清华的源安装，方法为$ pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。