摘要：Ubuntu18.04、GCC降低、CUDA版本的选择、cuDNN的选择
前言：在经历一整天反复安装卸载后决定对每一步进行详细记录和分析

对版本选择的考虑

我的目的是在Ubuntu18.04安装GPU版本的Tensorflow进行学习,根据TF官网对CUDA&cuDNN的支持信息：

软件要求

必须在您的系统上安装以下NVIDIA®软件：

于是在考虑最新的TF版本情况下，我决定安装CUDA9.0+cuDNN7.3版本

cuda：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal

cudnn：https://developer.nvidia.com/rdp/cudnn-download（需要先注册账户）

然而尴尬的是CUDA9.0没有ubuntu18.04的选择，不想重装ubuntu，于是我决定下载17.04版本试试看

最终下载版本：cuda_9.0.176_384.81_linux.run & cudnn-9.0-linux-x64-v7.3.1.20.tgz

安装CUDA

1.安装依赖关系

参考：https://www.cnblogs.com/Ph-one/p/9000211.html

1
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

根据诸多博客的经验，还需要先降低GCC版本，以下是我的gcc版本信息：

1
2
root@zhou-pc:~# gcc --version
gcc (Ubuntu 7.3.0-27ubuntu1~18.04) 7.3.0

降低GCC版本：

1
sudo apt install gcc-5 g++-5

根据提示开始安装低版本

然后替换：

1
2
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50   # you will find that message that tells you the gcc-5 is set to be automatic.
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50   # similiar message as gcc

值得一提的是文章https://blog.csdn.net/sinat_40276791/article/details/80403784中提到说：**安装cuda的时候并没有降级gcc，g++；说明cuda9.0已经支持gcc7.0安装，所谓降级是后面要编译cuda测试例子的时候用到6.0以下的g++，和gcc版本。**但是我的gcc版本较高，为保险，我还是先降低。

2.开始安装CUDA

1
2
root@zhou-pc:~# cd /home/zongpu/下载 
root@zhou-pc:/home/zongpu/下载# sudo sh cuda_9.0.176_384.81_linux.run

ctrl+c 可快速结束阅读文档

接下来：

Do you accept the previously read EULA?
accept/decline/quit: accept

看到这个我是很荒的，但是博客https://www.cnblogs.com/Ph-one/p/9000211.html也是在ubuntu18.04上安装了cuda9，就当试试

You are attempting to install on an unsupported configuration. Do you wish to continue?
(y)es/(n)o [ default is no ]:

其他选项我都选了y（es），静静等待安装。

设置环境变量：

1
sudo gedit ~/.bashrc

#在打开的文本中添加

1
2
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

更新：

1
source ~/.bashrc

验证CUDA9.0是否安装成功：

1
2
3
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

输出为：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1050"
  CUDA Driver Version / Runtime Version          9.1 / 9.0
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 2003 MBytes (2099904512 bytes)
  ( 5) Multiprocessors, (128) CUDA Cores/MP:     640 CUDA Cores
  GPU Max Clock rate:                            1493 MHz (1.49 GHz)
  Memory Clock rate:                             3504 Mhz
  Memory Bus Width:                              128-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.0, NumDevs = 1
Result = PASS

测试说明安装成功！

安装cuDNN

之前已经下载好了文件现在直接安装：

1
2
3
4
5
6
tar -zxvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

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

执行以上命令后，测试是否安装好：

1
nvcc -V

输出：

1
2
3
4
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

cuDNN安装成功！

安装Tensorflow

1检查并准备所需python环境

根据TF官网安装引导查看：https://tensorflow.google.cn/install/pip

1
2
3
python3 --version
pip3 --version
virtualenv --version

发现：

1
2
Command 'virtualenv' not found, but can be installed with:
apt install virtualenv

我的virtualenv 没有安装，根据提示安装virtualenv ：

1
sudo apt install virtualenv

安装成功后，安装TF，在这里我用官网引导的安装方式：创建Python虚拟环境用于将程序包安装与系统隔离，

不同于在之前我自己直接pip install tensorflow-gpu

步骤如下：

通过选择Python解释器并创建一个./venv目录来保存它，从而创建一个新的虚拟环境 ：

1
virtualenv --system-site-packages -p python3 ./venv

如下：

1
2
3
4
5
6
root@zhou-pc:~# virtualenv --system-site-packages -p python3 ./venv
Running virtualenv with interpreter /usr/bin/python3
Using base prefix '/usr'
New python executable in /root/venv/bin/python3
Not overwriting existing python script /root/venv/bin/python (you must use /root/venv/bin/python3)
Installing setuptools, pip, wheel...done.

使用特定于shell的命令激活虚拟环境（以后每次使用TF前激活）：

1
source ./venv/bin/activate  # sh, bash, ksh, or zsh

当virtualenv处于活动状态时，shell提示符前缀为(venv)，如下：

1
2
root@zhou-pc:~# source ./venv/bin/activate 
(venv) root@zhou-pc:~#

在虚拟环境中安装软件包，而不会影响主机系统设置。从升级开始pip：

1
2
3
pip install --upgrade pip

pip list  # show packages installed within the virtual environment

并在以后退出virtualenv（我们要在这个环境中安装TF，现在不能退出）：

1
deactivate    ＃在使用TensorFlow完成之前不要退出

值得一提的是：当环境创建好了，我们必须在每次使用tensorflow时激活它

2.安装TensorFlow(在虚拟环境venv中)

1
2
3
pip install tensorflow-gpu
pip install --upgrade tensorflow
python -c "import tensorflow as tf; print(tf.__version__)"

最后输出：

1
2
(venv) root@zhou-pc:~# python -c "import tensorflow as tf; print(tf.__version__)"
1.11.0

greaat！现在我们安装TF成功！

一个问题：在虚拟环境中安装的始终是cpu版本，不知道为什么；不在虚拟环境中可顺利安装GPU版本。

3.做一些测试(在venv环境以及非虚拟环境)

执行：

1
2
3
4
5
python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

非虚拟环境时可看到（展示部分）：

1
GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1

虚拟环境中：

1
I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA

安装keras

参考：https://keras-cn.readthedocs.io/en/latest/for_beginners/keras_linux/

类似指令比较多，我没有关注他们的区别：

1
2
3
sudo pip install -U --pre keras
#或者...
pip install keras -U --pre

安装anaconda

先下载anaconda的安装文件，我的版本是：Anaconda3-5.3.0-Linux-x86_64.sh

cd进文件所在目录执行：

1
bash Anaconda3-5.3.0-Linux-x86_64.sh

阅读文档（ctrl+c快速读完），按提示选择各个选项，进行安装：

其中涉及安装路径、添加环境变量、安装vs code的几个选项，根据提示选择。

但是安装时我选了环境变量后来还是不能启动anaconda，于是手动添加了一遍：

1
2
3
4
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda3/bin:$PATH"'>> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

执行：

1
conda list

看到各个组件信息则为成功

启动anaconda（暂停终端则断开）：

1
anaconda-navigator

打开 Jupyter Notebook：

1
ipython notebook

在最开始安装anaconda时，我用root权限进行安装，结果Jupyter不能运行，

1
2
3
4
5
6
root@zhou-pc:/home/zongpu/下载# ipython notebook
[TerminalIPythonApp] WARNING | Subcommand `ipython notebook` is deprecated and will be removed in future versions.
[TerminalIPythonApp] WARNING | You likely want to use `jupyter notebook` in the future
[I 18:30:46.711 NotebookApp] JupyterLab extension loaded from /root/anaconda3/lib/python3.7/site-packages/jupyterlab
[I 18:30:46.711 NotebookApp] JupyterLab application directory is /root/anaconda3/share/jupyter/lab
[C 18:30:46.713 NotebookApp] Running as root is not recommended. Use --allow-root to bypass.

这应该是我对anaconda的作用不太了解，另外都使用了默认安装路径，不知道在以后要用到的时候会不会出问题。

卸载anaconda：

1
rm -rf ~/anaconda3

补充

一篇基于anacond安装TF的文章：

Ubuntu环境下基于Anaconda安装Tensorflowhttps://blog.csdn.net/hgdwdtt/article/details/78633232