转载请注明出处：blog.csdn.net/sproll

本文描述在ubuntu系列操作系统上安装gpu版本的tensorflow的过程。

0，准备工作

BIOS中关闭板载显卡，显示器接在nvidia显卡上。

下载cuda和cudnn：cuda_8.0.44_linux.run,cudnn-8.0-linux-x64-v5.1.tgz

以上驱动为本文编写时的最新驱动。

1，安装linux

安装mint18或者mint 18.1(也可以安装对应的ubuntu16.04)，并更新源。

具体操作步骤见网上的帮助文档。

2nouveau驱动

nouveau为非官方的开源nvidia驱动，默认情况下系统采用该驱动配合nvidia显卡。安装官方驱动前要先关闭该驱动。

在/etc/modprobe.d/blacklist.conf文件中添加：

blacklistnouveau

执行完毕后重启。此时电脑进入模拟显卡输出视频的状态。

3tty不能显示问题

设置tty显示参数，否则如果在quiet模式下即关闭xwindows，将导致黑屏。

在/etc/default/grub文件中，修改GRUB_CMDLINE_LINUX_DEFAULT的值为nomodeset。

然后执行以下命令更新grub：

sudoupdate-grub

执行完毕后重启。

4xwindows

安装显卡驱动必须先关闭当前xwindows。

执行以下命令关闭xwindows：

sudoinit3

执行完毕后，如有需要，使用以下命令切换tty：

Ctrl+alt+Fn

Fn为F1-F8的功能键。

5，安装cuda

cuda和cudnn为nvidia的支持库，tensorflow运行时需要它的支持。

执行cuda安装文件：cuda_8.0.44_linux.run，安装过程中需要回答一些问题，如果不明白问题的含义，可以对所有问题都选择accept、yes或者直接按回车(有时会提示选择某些组件的安装路径，按回车就是使用默认的路径)。

在安装cuda过程中，会提示是否选择安装nvidia驱动，一定要选择是。

6，安装cudnn

Cudnn包(cudnn-8.0-linux-x64-v5.1.tgz)解压后，将include和lib64目录拷贝到/usr/local/cuda-8.0目录下。

7，安装pythonpip和pythondev

tensorflow需要python支持，执行以下命令行安装：

sudoapt-getinstallpython-pippython-dev

8，安装tensorflow

根据phthon和cuda版本，安装相应版本的tensorflow。本次安装的phthon为V2.7，cuda为V8.0，相应的tensorflow版本为V1.0：

在命令行中执行安装命令：

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.wh

其中，tensorflow的地址(https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.wh)在其github主页上有说明，不同的python版本、操作系统、是否使用GPU，都会对应不同的下载地址。

安装过程中，下载可能会失败，失败的话重新执行以上命令安装。

有时pip会因为版本过旧安装失败，失败时会提示执行更新pip命令：pip--upgradepip

Youareusingpipversion8.1.1,howeverversion9.0.1isavailable.

Youshouldconsiderupgradingviathe‘pip--upgradepip’command.

然后继续重新安装tensorflow即可。

9cuda路径

安装完成后，在用户目录下修改.bashrc文件(.bashrc为隐藏文件)，添加以下两行，将cuda目录添加到环境变量的lib搜索目录中。

exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

exportCUDA_HOME=/usr/local/cuda

10，测试tensorflow

输入以下文件内容，保存为hello.py

importtensorflowastf

hello=tf.constant('Hello,TensorFlow!')

sess=tf.Session()

printsess.run(hello)

a=tf.constant(10)

b=tf.constant(32)

printsess.run(a+b)

打开控制台，进入hello.py的目录，输入以下命令，运行python：

python hello.py

如果输出以下内容表示tensorflow加载成功。

Hello,TensorFlow!

42

如下图所示：

总结

如果觉得编程之家网站内容还不错，欢迎将编程之家网站推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。