所属分类：

本文安装GPU版本的Tensorflow过程完整，清晰，简洁，一步步指导你跳过那些坑。小编在经过无数次的安装失败过程后，决定将整个安装过程记录下来，将容易被忽略的地方突出，为后学者节约大量宝贵的时间。整个过程分为四部分，分别是：

艾伯特（）国内第一家人工智能门户

1. 确定是否有的显卡，如有，则先安装合适的驱动。
2. 安装提供的cuda。
3. 安装与cuda，对应的cudnn，这一点非常重要。
4. 通过安装Anaconda来安装python3。
5. 安装gpu版的tensorflow。
6. 测试是否实在GPU版的tensorlfow上运行。

安装之前，先确保系统被update，并有基本的build工具，使用如下命令：

 

sudo apt-get updatesudo apt-get --assume-yes upgradesudo apt-get --assume-yes install tmux build-essential gcc g++ make binutilssudo apt-get --assume-yes install software-properties-common

step 1: 安装显卡的驱动

 

第一步：查看你电脑是否有英伟达的显卡，命令如下：

 

sudo lshw -numeric -c display

如有NVIDIA的信息，进行第二步。

第二步：找出你的系统应该安装的英伟达显卡驱动，命令如下：ubuntu-drivers devi

 

我的电脑上显示如下：

则，推荐在这台系统上安装nvidia-384的英伟达显卡驱动。

 

第三步：安装该驱动，命令如下：

 

sudo apt install nvidia-384

第四步：关机重启。

 

第五步：验证是否安装成功，命令如下：

 

nvidia-smi

 若安装成功，显示如下：

step 2: 安装cuda

 

第一步：下载、安装文件cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb（你可以网络上下载，也可以问我索取），将该文件放在一个目录中，比如放在～目录中。然后分别输入以下命令：

 

cd ~sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb sudo apt-get updatesudo apt-get install cuda

第二步：再配置环境变量，命令如下：

 

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

或者使用命令gedit ～/.bashrc，打开配置文件，在文末尾将上面两句加入，保存，关闭。再使其生效，使用命令source ~/.bashrc。

 

第三步：检验cuda是否安装成功，命令如下：nvcc -V

若安装成功，则会输出相关的版本信息。

step 3: 安装cudnn

 

第一步：下载cudnn-8.0--x64-v5.1.tgz（你可以网络上下载，也可以问我索取）。

 

第二步：然后分别输入以下命令：

 

tar -xzvf cudnn-8.0-linux-x64-v5.1.tgzsudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

step 4：安装gpu的tensorflow

 

第一步：安装tensorflow的依赖，命令如下：

 

sudo apt-get install libcupti-dev

第二步：安装合适的python版本，推荐安装Anaconda。先到Anaconda上去下载对应为python3.5的Anaconda，提供一个下载链接：

 

https://repo.continuum.io/archive/Anaconda3-4.2.0-Linux-x86_64.sh

第三步：安装下载的Anaconda，假设下载的Anaconda3-4.2.0-Linux-x86_64.sh放在～/Downloads目录下，安装命令如下：

 

bash ~/Downloads/Anaconda3-4.2.0-Linux-x86_64.sh

然后跟着提醒，全部选择“yes”即可。安装完后，输入命令source ~/.bashrc激活。

第四步：验证anaconda是否安装成功，在终端输入python，安装成功后的界面会显示python是3.5版本的，类似如下：

 

注意：如果仍然是python2.7,这时你需要使用命令：gedit ~/.bashrc，然后翻到文件最后一些位置，看anaconda3/bin的路径是否在此文件中，如果没有，则需要手动将anaconda3/bin文件夹的路径添加进去。比如我的anaconda3/bin文件夹路径是/home/steven/anaconda3/bin，则添加

 

export PATH="/home/steven/anaconda3/bin:$PATH"

在此文件中，再保存，退出后，使用source ~/.bashrc命令激活生效即可。

step 5：下载安装gpu版本的tensorflow。

 

方法一：直接终端输入如下命令：

 

pip install tensorflow-gpu==1.2

如果此方法安装失败，使用方法二。

方法二：先下载，下载地址：

 

https://pypi.python.org/packages/f2/5e/a51a5df287753c69459ca4572ecd9db78a259007734c4e19af7c5d68080c/tensorflow_gpu-1.2.0-cp35-cp35m-manylinux1_x86_64.whl#md5=4ad78131f651c1022dc787025935e9a9

将下载好的该文件放在某个目录下，如我放在～/Downloads文件夹中，则使用以下命令安装：

cd ～/Downloadspip install ~/Downloads/tensorflow_gpu-1.2.0-cp35-cp35m-manylinux1_x86_64.whl

注意：上面所有安装过程中，没有出现错误提示，则tensorflow-gpu安装成功。

step 6：测试是否安装成功。

 

第一步：先下载，解压到～目录下，文件夹名称是models-master，下载的网址：https://github.com/tensorflow/models

 

第二步：在终端输入命令：

 

python ～/models-master/tutorials/image/mnist/convolutional.py

第三步：在运行的过程中，打开一个新的终端，输入命令：nvidia-smi，从输出结果可以看出是否在GPU上运行。