1. 环境确认

要使用 GPU 版的 TesnorFlow 来加速我们的神经网络运算，首先要确保，我们的 GPU依赖环境已经搭好。

1.1 查看 CUDA 版本

在终端输入命令：
cat /usr/local/cuda/version.txt
显示如下：
CUDA Version 9.0.176

1.2 查看 cudnn 版本

在终端输入命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
显示如下：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"

如果没有安装 cuda 和 cudnn，到官网根自己的 GPU 型号版本安装即可，cuda 和 cudnn 是使用 GPU 必装的依赖环境，在安装 TensorFlow 的 GPU 版本时，也必不可少。

2. 安装 Anaconda

在确保，cuda 和 cudnn 已经安装的条件下，我们来使用 Anaconda 安装 TensorFlow 的 GPU 版。

之所以建议通过 Anaconda 来安装 TensorFlow，是因为 Anaconda 集成了较多 python 第三方库，对我们后期的神经网络构建等是十分方便的。

首先进入 Anaconda 官方下载地址：anaconda 下载
选择 Linux 版本，根据自己安装的 python 版本来选择相应的安装包版本。

下载完成后，在下载目录下打开终端，执行命令进行安装：
bash Anaconda3-2018.12-Linux-x86_64.sh

指定安装路径到：/data/monn/usr/local/anaconda3

提示是否将 Anaconda3 添加至环境变量，输入 yes
安装完成后，输入 conda 验证是否安装成功。

3. 通过 Anaconda 安装 TensorFlow 的 GPU 版

在 Anaconda下创建虚拟环境来安装 TesnorFlow 的 GPU 版

创建虚拟环境

conda create -n tensorflow python=3.7.1
创建一个名叫”tensorflow"的虚拟环境

系统会提示我们要安装一些新的依赖包，输入 y 即可

激活虚拟环境

source activate tensorflow 激活虚拟环境

安装 TensorFlow

pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/ 从豆瓣镜像中下载速度比较快
pip install tensorflow-gpu 安装 TensorFlow 速度非常慢（不推荐）

测试 TensorFlow

python 进入 python环境后，输入命令：import tensorflow，观察是否报错。
果然报错：
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

原因：安装的 tensorflow 版本与 cuda 版本不匹配导致

前面看到这里的 cuda 版本是 9.0，而 tensorflow 1.6/1.5 和 cuda ９.0对应，1.4/1.3和 cuda 8.0 对应。

所以，先卸载掉高版本的 tensorflow-gpu-1.13.1：
pip uninstall tensorflow-gpu
卸载成功：
Successfully uninstalled tensorflow-gpu-1.13.1

安装 cuda 9.0 对应的 tensorflow 版本

之后再次尝试 import tensorflow ，问题解决。

再输入：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow! I am IT Xiao Ding Dang！')
sess = tf.Session()

可以看到系统列出了详细的信息，且 GPU 显卡 1080 已经启用，这时输入命令：sess.run(hello)

此时系统已经可以通过tensorflow-gpu为我们正常输出，这说明我们的tensorflow-gpu已成功安装。

TensorFlow + GPU配置相关推荐

tensorflow GPU配置失败的几个解决方法
tensorflow GPU配置失败的几个解决方法折腾了两天终于把tensorflow的gpu配上了,记录一下血泪教训,希望大家以后少走点弯路. 我的环境 cuda版本10.2.tensorflow ...
TensorFlow GPU配置
1.去TensorFlow官网查看配置信息 https://tensorflow.google.cn/install 只需要确定cuda版本和TF版本即可,因为cuda安装文件可以自动安装Nvidia ...
Windows 10环境下TensorFlow(gpu版本)配置教程——[图解] [详细版][零基础]
Tensorflow环境下的深度学习框架的配置主要包含以下几步: 0.前言 1.PyCharm的安装步骤: 2.Python的安装步骤: 3.AnaConda的安装步骤: 4.CUDA的安装步骤: 5 ...
tensorflow2.1.0 安装及GPU配置（Windows/Python）
tensorflow官网:https://tensorflow.google.cn/ tensorflow2.1.0 Python pip 安装 pip install --upgrade pip p ...
tensorflow gpu python3.5_Win10+Anaconda3下tensorflow-gpu环境配置
Win10+Anaconda3下tensorflow-gpu环境配置基本环境操作系统window10-education 显卡 NIVIDA GETFORCE GTX 1050 安装Anacond ...
ubuntu16.04 安装cuda9.0+cudnn7.0.5+tensorflow+nvidia-docker配置GPU服务
[摘要] docker很好用,但是在GPU服务器上使用docker却比较复杂,需要一些技巧,下面将介绍一下在ubuntu16.04环境下的GPU-docker环境搭建过程. 第一步: 删除之前的nvi ...
Macbook Pro 外接显卡实现Tensorflow GPU运行之环境配置（重点）
Macbook Pro 外接显卡实现Tensorflow GPU运行–环境配置 MacOS 重装外接显卡(内屏输出) 环境配置(重点)
tensorflow学习笔记：查看tensorflow可配置运算资源以及配置使用GPU运算
查看tensorflow可配置运算资源以及配置使用GPU运算因为还用不到分布式的tensorflow,自己没有尝试过所以就不写分布式tensorflow的使用了(等自己用上了再说),这里记录一下在跑 ...
python 虚拟环境 tensorflow GPU
拿到一个新的容器之后,怎么创建一个独立的GPU训练环境呢?之前弄的时候总是零零散散的,现在把它总结在这里,供自己以及有需要的朋友查阅. conda创建 1.1 下载anaconda wget -c h ...

TensorFlow + GPU配置