Ubuntu18.04LTS+Anaconda+Tensorflow-GPU安装记录

简介

Ubuntu出了18.04版本，之前写过Ubuntu16.04+tensorflow-gpu的安装过程，在这里更新成18.04版本的。使用Anaconda结合pycharm更加方便。

安装Anaconda

下载地址：https://anaconda.org/
下载目录下，给予权限直接安装即可。在设置路径的时候，别忘了输入yes，那个的默认是no。。。。
conda install tensorflow-gpu==1.8.0，安装1.8.0最新版的

现在还不能用，因为未安装CUNA。

安装cuda

很大程度参考了这篇博客。
下载cuda库，网址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal
之后，选择图上深绿色的那些图标：

在下载目录下，打开终端，输入如下2条命令：

sudo chmod +x cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run –override
3个可以选装的优化脚本，我安装后没有任何问题，根据实际情况安装，对于深层网络还是有优化作用的，安装的时候需要sudo权限

之后，一直等待安装完毕。注意，在安装过程中，出现 Make sure you don’t agree to install the new driver这个选项时，输入n，其余输入y即可。

之后去下载cudnn，网址：https://developer.nvidia.com/rdp/cudnn-download
需要注册账号
选择cuda9.0的版本，选择9.0目录下的第一个，library for linux的那个：

之后，在下载的目录下执行下面几个命令：
解压缩：

tar -zxvf cudnn-9.0-linux-x64-v7.tgz

复制核心的库：

sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo cp  cuda/include/cudnn.h /usr/local/cuda-9.0/include/

给予权限：

sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装：

sudo apt-get install libcupti-dev

设置环境变量：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后的测试：

import tensorflow as tf
import numpy as npx = tf.placeholder("float", shape=[None, 1])W = tf.Variable(tf.zeros([1, 1]))
b = tf.Variable(tf.zeros([1]))y = tf.matmul(x, W) + by_ = tf.placeholder("float", [None, 1])cost = tf.reduce_sum(tf.pow((y_ - y), 2))train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cost)init = tf.initialize_all_variables()sess = tf.Session()
sess.run(init)All_x = np.empty(shape=[1, 1])
All_y = np.empty(shape=[1, 1])for i in range(10000):x_s = np.random.rand(1, 1)y_s = np.dot([[0.33]], np.random.rand(1, 1)) + 0.33feed = {x: x_s, y_: y_s}sess.run(train_step, feed_dict=feed)if i % 100 == 0:print("After %d iteration:" % i)print("W : %f" % sess.run(W))print("b : %f" % sess.run(b))All_x = np.concatenate((All_x, x_s))All_y = np.concatenate((All_y, y_s))print(All_x)
print(All_y)

输出结果：

由于不是源码安装，有一些CPU的优化没有执行，但是影响不是特别大，因为这是GPU执行的。

以上是安装步骤，有问题留言，有时间一起讨论解决