配置：

CPU：i7

GPU：1070

CUDA：8.0

Cudnn：8.0v6.0

Tensorflow：1.4

双系统：win7 + ubuntu16.04

一.系统安装

Win7 U盘安装Ubuntu16.04 双系统详细教程

安装主要分为以下几步：

一．下载Ubuntu 16.04镜像软件；
二．制作U盘启动盘使用ultraISO；
三．安装Ubuntu系统；
四．用EasyBCD 创建启动系统启动引导；（根据个人情况，选择性的安装）
五. 开启系统；
一. 下载ubuntu16.04

直接到官网免费下载 http://www.ubuntu.com/download/desktop

根据自己计算机的配置信息下载（本人下载的是的64位的）

二. 制作U盘启动器

百度下载ultraISO软件安装并打开
1.

4.开始写入—》直到完成大概五分的样子

三.安装Ubuntu系统

1.要在Windows下新划出一个大于20G的硬盘空间

（本人划分了50G，如果说知识为了玩玩，那么20G足够了）

在win7系统下–》计算机–》右键–》管理–》磁盘管理—–》然后自己真不会分区了百度一大堆！（分好空间不要新建压缩卷）——》保持他的绿色–一会儿U盘启动后需要分区的

2.在电脑上插入制作好的U盘启动盘，重启电脑，F2–》boot界面，选择通过USB启动。

（不同主板进入boot，按键有区别）

3.进入ubuntu安装菜单，选择 “安装Ubuntu”。（语言选择汉语吧！，当然你的英文可以了，English无所谓了）

4.在安装类型界然后选择最后一项“其他选项”，以为这样可以自己手动分区，点击继续。

5.现在我们看到的是硬盘的分区情况，找到前边有“空闲”二字，我们要做到就是，把空闲的空间给ubuntu划分分区。

6.点击“空闲”的分区，选择下边的“添加”，弹出窗口如下，上边填写分区空间大小，下边填写要挂载的分区，然后确定。

逻辑分区，200M，起始，Ext4日志文件系统，/boot；（引导分区200M足够）

逻辑分区，4000M，起始，交换空间，无挂载点；（交换分区swap，一般不大于物理内存）

逻辑分区，15000M，起始，Ext4日志文件系统，/；（系统分区”/”或称作”/root”装系统和软件，15G以上足够）

逻辑分区，剩余空间数，起始，Ext4日志文件系统，/home；（home分区存放个人文档）

7.分区设置好后，查看/boot分区的编号，然后在下边的“安装启动引导区的设备”下拉框中选择/boot分区的

编号，点击安装。一直到你安装成功，当然中途需要你设置一个用户名和密码的（这个就不说了吧）

8.安装完成后需要重新启动（这个时候默认是在Ubuntu启动模式下进入的–》选择windows7系统启动）

四. 用EasyBCD 创建启动系统。

1.下载EasyBCD，此软件用于在启动电脑的时候选择要进入的系统（自行百度搜索安装）

2.打开easyBCD，选择add new entry, 选择linux/BSD, name这一行随便填写，只是系统名词，写ubuntu吧，Device这一行选择刚刚我们创建的200MB的那个”/boot“分区,前边有linux标记的。（其他的不要动）

五. 开启系统

做完这些重启系统后，系统会将win7系统和ubuntu 16.04系统都列出来，你可以选择系统进入了。

这样启动的好处（windows 不会受到Ubuntu的影响）

如果说没有最后这一步，没有任何问题，但是你要是启动windows7把Ubuntu系统的分区删除，那么就启动不了系统了

（如果你真的遇到这样的问题了，不要着急，直接用老毛桃U盘或者大白菜制作好的U盘启动，直接启动引导修复就OK了）

上图：选择Ubuntu-16.04

2.选择Ubuntu或者等待几秒自动进入

3.进入系统主界面

第一波任务结束！

二.环境安装

第一步：安装navidia driver
Ubuntu下安装nvidia显卡驱动（安装方式简单）

第二步：安装anaconda
参考我另一篇文章: 【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程

这篇文章包含了详细的安装流程，anaconda镜像库，以及anaconda教程。

第三步：安装tensorflow-gpu
terminal下run

conda create -n tensorflow python=2.7
source activate tensorflow
conda install -c conda-forge tensorflow-gpu

若要在终端使用 Tensorflow，则要先输入 source activate tensorflow，退出时输入 source deactivate

安装过程中会自动安装相关的依赖包，如cuda、cudnn等等

虽然自动安装的依赖cuda、cudnn，tensorflow-gpu也可以工作，但是我们还是建议读者手动安装cuda、cudnn（Ubuntu下安装cuda+cudnn）。因为这样可自己配置cuda以及cudnn版本信息，并且cuda、cudnn相关的包也是在默认目录下，而不是在anaconda下，以免其他环节使用时出错

测试：
进入terminal并run：python, 在python环境下引入tensorflow: import tensorflow as tf，如果没有报错，那么安装成功

测试GPU
测试代码如下：

import tensorflow as tf
a = tf.constant([1.,2.,3.,4.,5.,6.], shape=[2,3], name='a')
b = tf.constant([1.,2.,3.,4.,5.,6.], shape=[3,2], name='b')
c = tf.matmul(a,b)

with tf.Session(config= tf.ConfigProto(log_device_placement=True)) as sess:
print(sess.run(c))

结果如下：（之后再拍图）

表明安装成功，且可以使用tensorflow-gpu运行GPU
GPU使用率：terminal下run：

nvidia-smi -q -g 0 -d UTILIZATION -l

or run：

watch -n 2 nvidia-smi

三、 Ubuntu16.04安装Tensorflow-gpu

主要参考：

Ubuntu16.04安装TensorFlow-gpu版本

Ubuntu16.04下安装tensorflow（GPU加速）

1. 安装对应的显卡驱动，最简单且方便的做法就是在“设置”的“附加驱动”里直接安装nvidia的驱动（需要重启才能更新）。然后我之前用的是自己下载对应版本来安装，比较麻烦，而且后续容易出问题~

2. 检查驱动：
nvidia-smi

会显示以下信息：

3. gcc降版本

在终端依次执行：

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++/usr /bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++

4. 安装CUDA8.0

先找到CUDA_8.0资源（官网下载会是最新的9.1版本）。然后终端依次输入：

sudo apt-get update
chomd +x cuda_8.0.44_linux.run
sudo su cuda_8.0.44_linux.run --override --silent --toolkit

5. 安装cudnn 8.0v6.0，注意一定要装6.0的：

先下载cudnn 8.0v6.0安装包，然后终端依次输入：

sudo cp cudnn-8.0-linux-x64-v6.0.tgz /usr/local/cuda
cd /usr/local/cuda
tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

6. 配置CUDA环境变量

sudo gedit ~/.bashrc

在打开的编辑器末尾添加：

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

保存并在终端输入：

source ~/.bahsrc

7. 建立软链接

终端输入：

cd/usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so

设置环境变量：终端输入：sudo gedit /etc/profile

在编辑器末尾加入：

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

export PATH

保存后，创建链接文件：

sudo vim /etc/ld.so.conf.d/cuda.conf

摁a进入插入模式，增加下面一行：

/usr/local/cuda/lib64

保存退出。最后在终端输入：

sudo ldconfig #使链接生效

注意：这步可能会报错：

/sbin/ldconfig.real: /usr/local/cuda/lib64/libcudnn.so.6 不是符号连接

解决方法：

终端输入：sudo ldconfig -v

找到这一行错误：libcudnn.so.6 -> libcudnn.so.6.0.21

是这个链接错误。以根用户（sudo su）在终端输入：ln -sf
/usr/local/cuda-8.0/lib64/libcudnn.so.6.0.21 /usr/local/cuda-8.0/lib64/libcudnn.so.6

再执行sudo ldconfig即可

8. 检查CUDA是否安装好

切换到CUDA 8.0 Samples默认安装路径(即在NVIDIA_CUDA-8.0_Samples目录下)，终端输入：

sudo make all –j8 #（我的电脑是8核）

完成后继续向终端输入：

cd bin/x86_64/linux/release

./deviceQuery

如果看到下面画面，则成功：

9. 安装Tensorflow-gpu

1) 按照教程是：sudo pip3 install tensorflow-gpu

报错：sudo: pip3：找不到命令

解决：udo apt-get install python3-pip

验证pip3是否安装成功：pip3 --version

2) 输入：sudo pip3 install tensorflow-gpu

开始下载Downloading
tensorflow_gpu-1.6.0-cp35-cp35m-manylinux1_x86_64.whl以及各种依赖包;

然后出现问题:

You are using pip version 8.1.1, however version 9.0.3 is available.

You should consider upgrading via the 'pip install --upgrade pip' command.

百度解决:

apt install python-pip
python -m pip install --upgrade pip
sudo pip install tensorflow-gpu

（若在python3.5安装，则：先pip3 install --upgrade pip 然后sudo pip3
install tensorflow-gpu）

再次下载安装，没有警告或报错

3) 然后无论是输入python还是python3，若import tensorflow as tf报错：

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

Failed to load the native TensorFlow runtime.

这是因为我装了tensorflow-gpu 1.5版本，而我用的是cuda 8.0和cudnn6.0，1.5版本要求cuda 9.0，解决方法是回滚：pip install tensorflow-gpu==1.4（在python2.7上回滚安装好tesorflow1.4）；若用pip3 install tensorflow-gpu==1.4 则是回滚python3.5上安装好的tensorflow——个人建议在python3.5上使用Tensorflow。

总之，这种python--pip--tensorlow--CUDA的匹配问题一定要谨慎（我个人就是特别容易搞混这个，然后导致两种python版本都安装了tensorflow，然后回滚的时候也搞混~~区分pip和pip3的使用！！！）

10.验证tensorflow-gpu：

终端输入: python3

然后输入验证程序：

import tensorflow as tf

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

sess = tf.Session()

print(sess.run(hello))

如果安装成功，则会显示 Hello, TensorFlow!

参考资料

conda-forge: conda库，速度比较快，整理的比较好

Anaconda+Tensorflow环境安装与配置

How to install the latest Nvidia drivers on Ubuntu 16.04

Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程

【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装相关推荐

windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同
windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同介绍ubuntu系统下配置docker下GPU使用环境的文章很多,本文算是一个比较性梳理. 主要比较一下wsl ...
python dlib gpu ubuntu conda_Ubuntu 下编译支持 GPU 的 TensorFlow 和 Dlib
Ubuntu 安装选择 Ubuntu 18.04 LTS 版,安装时不联网,选最小安装,节省安装的时间. 重启时进入 BIOS ,暂时禁用 secure boot ,并改回正确的系统时间. 进入系统 ...
Ubuntu系统下实时监控GPU的温度
GPU是一种高耗能.强发热的电脑配件,我们在运行程序的时候要经常的实时监控GPU的温度.该如何操作呢? 其实很简单,如下: 1.查看GPU(多卡)的温度 nvidia-smi -q -i 0,1 - ...
Ubuntu系统下Chromium浏览器中Adblock plus 广告过滤插件的安装及配置
在Ubuntu系统下浏览一些网站的时候,总会弹出广告,极大的影响了使用体验,尤其是某些网站弹出的广告图片及其恶心.好在有 Adblock plus 这样的神器. 1 插件下载 Adblock plus ...
ubuntu/linux下打包压缩war、解压war包和jar命令
把project_a文件夹下的文件打包成project.war 1. 打包 jar -xvf project.war /project_a -c 创建war包 -v 显示过程信息 -f ...
Ubuntu 1６.04 LTS, 64bit,cuda ８, Caffe环境配置编译和安装
1 GPU设备 1.1 本人使用的GPU设备名称: 七彩虹GTX980Ti显卡iGame980Ti烈焰战神X 6G 1．2 硬件问题 Laboratory Tested Hardware: Berk ...
Ubuntu 14.04 LTS, 64bit, cuda 7, Caffe环境配置编译和安装
1 GPU设备 1.1 本人使用的GPU设备名称: 七彩虹GTX980Ti显卡iGame980Ti烈焰战神X 6G 1．2 硬件问题 Laboratory Tested Hardware: Berk ...
④ESP8266 开发学习笔记_By_GYC 【Ubuntu系统下ESP8266 开发环境搭建】
目录 ④ESP8266 开发学习笔记_By_GYC [Ubuntu系统下ESP8266 开发环境搭建] 一.安装前准备 1.乐鑫官方的ESP-IDF 编程指南 2.ESP-IDF风格的ESP8266 ...
Ubuntu 12.04搭建MTK 6577 安卓开发环境
Ubuntu 12.04搭建 MTK 6577安卓开发环境 1. 下载并安装Vmware虚拟机: 2. 下载并在虚拟机上安装Ubuntu 12.04 iso 安装包:下载地址: ...

【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装

一.系统安装

二.环境安装

三、 Ubuntu16.04安装Tensorflow-gpu

【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装相关推荐

最新文章

热门文章