Ubuntu 16.04 搭建tensorflow-gpu运行环境安装CUDA9.0 cuDNN7.1.4 填坑

分手后的思念是犯贱 2022-03-27 06:07 111阅读 0赞

执笔时间：2019.01.12

目的是在ubuntu 16.04 中搭建tensorflow-gpu运行环境

在近期有相似需求的同志可以适当参考

学艺不精，如有纰漏烦请不吝赐教

参考了很多大神的经验，感谢他们～

[https://www.cnblogs.com/iloveblog/p/7683349.html][https_www.cnblogs.com_iloveblog_p_7683349.html]

[https://blog.csdn.net/u014595019/article/details/53732015][https_blog.csdn.net_u014595019_article_details_53732015]

现在开始～

--------------------

# **流程**： #

### **1、确定个人电脑gpu型号、系统、CUDA、cuDNN、python、tensorflow版本** ###

强烈建议大家搭建环境之前做好调研和规划，别问我为什么这么说.....

*  当前不建议ubuntu18.04 ，至少我用这个系统安装过程中总是莫名地踩坑
 *  tensorflow不同版本对应的CUDA和cuDNN版本如下表

<table> 
 <tbody> 
 <tr> 
 <th> Version </th> 
 <th> Python version </th> 
 <th> Compiler </th> 
 <th> Build tools </th> 
 <th> cuDNN </th> 
 <th> CUDA </th> 
 </tr> 
 <tr> 
 <td> ensorflow_gpu-1.12.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.15.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.11.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.15.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.10.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.15.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.9.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.11.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.8.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.10.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.7.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.9.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.6.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.9.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.5.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.8.0 </td> 
 <td> 7 </td> 
 <td> 9 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.4.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.5.4 </td> 
 <td> 6 </td> 
 <td> 8 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.3.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.4.5 </td> 
 <td> 6 </td> 
 <td> 8 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.2.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.4.5 </td> 
 <td> 5.1 </td> 
 <td> 8 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.1.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.4.2 </td> 
 <td> 5.1 </td> 
 <td> 8 </td> 
 </tr> 
 <tr> 
 <td> tensorflow_gpu-1.0.0 </td> 
 <td> 2.7, 3.3-3.6 </td> 
 <td> GCC 4.8 </td> 
 <td> Bazel 0.4.2 </td> 
 <td> 5.1 </td> 
 <td> 8 </td> 
 </tr> 
 </tbody> 
</table>

*  确认电脑中的显卡在CUDA gpus列表中：[https://developer.nvidia.com/cuda-gpus ][https_developer.nvidia.com_cuda-gpus]
 *  tensorflow要求分数在3.0以上;
 *  表中可以看到，高版本的tensorflow基本上使用的都是CUDA9 和cuDNN7，这个配置应该还会持续很长时间，我选择这个组合作为我的开发环境;
 *  至于操作系统，CUDA9.0支持ubuntu 16.04 和17.04两个版本，听说16.04比较成熟稳重一些，就这个吧;
 *  python我们就用支持最新的3.6好了;
 *  在这个组合下，tensorflow-gpu可选版本为1.50到当前最新的1.12.0版，因人而异。

## ##

### **2、安装ubuntu 16.04**  ###

官网：[http://www.ubuntu.org.cn/download][http_www.ubuntu.org.cn_download]

16.04:[http://www.ubuntu.org.cn/download/desktop][http_www.ubuntu.org.cn_download_desktop]

制作成启动u盘，教程有很多啦

我看的这个 [https://jingyan.baidu.com/article/fedf0737bc587f35ac89771b.html ][https_jingyan.baidu.com_article_fedf0737bc587f35ac89771b.html]

制作好后重启电脑从该u盘启动，按照个人需求安装操作系统即可。

### **3、安装CUDA** ###

这里得划重点了，至少对于我这种新手还是踩了很多坑的

参考了：

[https://blog.csdn.net/myg22/article/details/84029924][https_blog.csdn.net_myg22_article_details_84029924]

[https://www.cnblogs.com/iloveblog/p/7683349.html][https_www.cnblogs.com_iloveblog_p_7683349.html]

*  下载：

CUDA9.0下载地址：[https://developer.nvidia.com/cuda-90-download-archive][https_developer.nvidia.com_cuda-90-download-archive]

根据个人情况选择各个选项 我的是 Linux  -  x86\_64  -  Ubuntu  -  16.04

最后一项选择 runfile(local) 下载 Base Installer

*  安装

**1) 禁用 nouveau驱动**

参考：[https://blog.csdn.net/u012442845/article/details/78855573/][https_blog.csdn.net_u012442845_article_details_78855573]

1.安装之前先卸载已经存在的驱动版本：  
   sudo apt-get remove --purge nvidia\*

2.需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开:

sudo gedit /etc/modprobe.d/blacklist.conf

输入密码后在最后一行加上:  blacklist nouveau 是将Ubuntu自带的显卡驱动加入黑名单

Ctrl +C保存后注意此时还需执行以下命令使禁用 nouveau 真正生效终端输入 ： sudo update-initramfs -u

**2）关闭图形界面**

重启系统后在登录用户之前 Ctrl+Alt+F1~F6 进入文字命令行

登录后禁用 X service，输入命令：

sudo service lightdm stop

**3）安装CUDA**

下载后的文件名为 cuda\_9.0.176\_384.81\_linux.run

正常运行的命令为：

sudo sh cuda\_9.0.176\_384.81\_linux.run

这时来了一个文档，喜欢看的可以按回车，不喜欢看的按空格

看完之后有很多个选项，根据个人情况选择，我大多数都选了yes

**4）再次安装显卡驱动**

这个问题前辈们没有出现过貌似，我在执行完上述工作后，运行：

sudo nvidia-smi

来测试驱动是否安装成功，发现报错

于是再次安装显卡驱动（如果此时已经显示gpu列表，说明驱动程序已经成功安装，无需重装）

执行如下语句安装NVIDIA驱动

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-384  //驱动版本不同，对应不同的数字

sudo apt-get install mesa-commoon-dev   //本句及下一句命令有的电脑需要，有的电脑不需要，根据实际情况输入命令

sudo pat-get install freeglut3-dev

重启后输入：

sudo nvidia-smi

显示GPU列表，证明驱动安装成功

**5）测试CUDA是否成功安装**

执行命令：

cd  /usr/local/cuda-9.0/samples/1\_Utilities/deviceQuery

sudo make

./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了。

## ##

**6）配置CUDA环境变量**

sudo vim ~/.bashrc

在末尾加入：

export PATH=/usr/local/cuda/bin$\{PATH:+:$\{PATH\}\}  
export LD\_LIBRARY\_PATH=/usr/local/cuda/lib64$\{LD\_LIBRARY\_PATH:+:$\{LD\_LIBRARY\_PATH\}\}

export CUDA\_HOME=/usr/local/cuda

source ~/.bashrc

### **4、安装cuDNN** ###

**1）下载**

上官网下载对应的cudnn

[https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]

稍微麻烦一点的是下载需要成为Nvidia的会员，免费注册后填写问卷，再次登录可以顺利下载;

当前最新的cuDNN版本是7.4.2，我们需要匹配CUDA9.0的版本

于是点开 ：[Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 9.0 （其他版本也可以，但要 for CUDA 9.0 ）][Download cuDNN v7.4.2 _Dec 14_ 2018_ for CUDA 9.0 _ for CUDA 9.0]

下载：[cuDNN Library for Linux][]

**2）安装**

cuDNN的安装比较简单，解压后将文件拷贝到CUDA相应的目录就可以了。

解压下载的文件

tar zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz

解压出了文件夹cuda，之后执行命令

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  
sudo chmod a+r /usr/local/cuda/lib64/libcudnn\*

## ##

### **5、安装Annoconda3** ###

**1）下载**

[地址：https://www.anaconda.com/download/\#linux][https_www.anaconda.com_download_linux]

直接下载最新版本annoconda3

现在最新的是 Anaconda3-2018.12-Linux-x86\_64.sh

**2）安装**

sudo bash Anaconda3-2018.12-Linux-x86\_64.sh

之后输入一些yes 到安装完成

当前系统默认python还是原来的

需要修改系统路径

*  `sudo gedit ~/.bashrc`
 *  `export PATH="/home/xupp/anaconda3/bin:$PATH"`

此时python版本是3.7 我们要换成3.6，输入命令：

conda install python=3.6

在root环境中替换成python3.6版本

过程中可能遇到权限不够的问题

NotWritableError: The current user does not have write permissions to a required path. path: /xxx/xxx/anaconda3/pkgs/cache/d50cceeb.json

uid: 1000

gid: 1000  
需要更改annoconda3文件夹及其子文件夹的主人

sudo chown -R 1000:1000 /home/xxx/anaconda3/

### 6、安装tensorflow-gpu ###

执行命令：

pip install tensorflow-gpu

### 7、测试 ###

在python环境里输入：

import tensorflow as tf

没有报错即安装成功。

[https_www.cnblogs.com_iloveblog_p_7683349.html]: https://www.cnblogs.com/iloveblog/p/7683349.html
[https_blog.csdn.net_u014595019_article_details_53732015]: https://blog.csdn.net/u014595019/article/details/53732015
[https_developer.nvidia.com_cuda-gpus]: https://developer.nvidia.com/cuda-gpus
[http_www.ubuntu.org.cn_download]: http://www.ubuntu.org.cn/download
[http_www.ubuntu.org.cn_download_desktop]: http://www.ubuntu.org.cn/download/desktop
[https_jingyan.baidu.com_article_fedf0737bc587f35ac89771b.html]: https://jingyan.baidu.com/article/fedf0737bc587f35ac89771b.html
[https_blog.csdn.net_myg22_article_details_84029924]: https://blog.csdn.net/myg22/article/details/84029924
[https_developer.nvidia.com_cuda-90-download-archive]: https://developer.nvidia.com/cuda-90-download-archive
[https_blog.csdn.net_u012442845_article_details_78855573]: https://blog.csdn.net/u012442845/article/details/78855573/
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[Download cuDNN v7.4.2 _Dec 14_ 2018_ for CUDA 9.0 _ for CUDA 9.0]: https://developer.nvidia.com/rdp/cudnn-download#a-collapse742-90
[cuDNN Library for Linux]: https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.4.2/prod/9.0_20181213/cudnn-9.0-linux-x64-v7.4.2.24.tgz
[https_www.anaconda.com_download_linux]: https://www.anaconda.com/download/#linux