Linux使用Adacaonda安装tensorflow-gpu 1.3

• 前言
• • 0.确定tensorflow 对应版本
  • 1.安装驱动
  • • 1.1根据显卡查看适合驱动
    • 1.2查看原显卡驱动
  • 2.安装CUDA
  • • 2.1查看显卡驱动支持的CUDA版本
    • 2.2 下载CUDA
    • 2.3 安装CUDA
    • 2.4配置环境变量
    • 2.5 查看是否成功安装
  • 3.安装cudnn
  • • 3.1 下载
    • 3.2安装
    • 3.3 查看是否成功
  • 4.GCC降级
  • 5.安装Adacaonda
  • 6.安装Tensorflow-gpu-1.3
  • • 6.1 conda创建虚拟环境
    • 6.2激活环境
    • 6.3安装
    • • 1.太慢
    • 6.4 测试
    • 7.安装PyCharm

前言

自己学习记录，若有错误，敬请指正！
Python课程设计，想了解人脸识别相关内容，故安装 tensorflow 又因在Linux系统跑网络较快，硬件支持，故尝试在Ubuntu下安装tensorflow-gpu 1.3下。
所有版本如下:
Ubuntu 16.4安装教程推荐博客:[https://blog.csdn.net/weixin_44585583/article/details/90704452](https://blog.csdn.net/weixin_44585583/article/details/90704452)

0.确定tensorflow 对应版本

在确定好想要安装的tensorflow版本后，查看本机电脑条件是否符合

官网：https://tensorflow.google.cn/install/source

因为我需要安装tensorflow-gpu-1.3，所以，为要确保CUDA=8，cuDNN=6 python==3.X

1.安装驱动

1.1根据显卡查看适合驱动

先去了解自己电脑独立显卡的信息

lspci  | grep -i vga   #显示本机的显卡信息

进入Nvidia官网，查看本机显卡对应打最新驱动
Nvidia官网：https://www.nvidia.com/Download/index.aspx
我的显卡信息：显卡 GeForce GTX 1050Ti

对应的最新驱动为 450

1.2查看原显卡驱动

（1）System Setting →Softerware&Updates→additional driver

（2）终端输入nvidia-smi

这里是 384.130
注意：如果你并不熟悉所有的对应关系，推荐不着急更新驱动

2.安装CUDA

2.1查看显卡驱动支持的CUDA版本

官网：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

可知，在Linux下，各驱动版本的对应的CUDA,发现先有的驱动，满足
注意：如果不放心，可以选择更新驱动版本，因为会向下兼容，方法网上已有很多资料，这里不做赘述

2.2 下载CUDA

官网：http://www.nvidia.cn/Download/index.aspx

2.3 安装CUDA

• 报错1：

原因：查看属性后，察觉因网络原因，下载不完整

解决：保证网络通畅，重新下载

• 报错2：
  
  解决历程：
  1）怀疑ubuntu内核问题
  做法：
  a.输入 name-r 查看当前Ubuntu的内核

b.官网查询适用内核
官网：https://docs.nvidia.com/cuda/archive/8.0/cuda-installation-guide-linux/index.html
注意：如果你的CUDA不是8，直接在网址中把想要查询的版本更改即可，如我要查询9的，

https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html

c.内核降级至4.4

https://blog.csdn.net/u012925946/article/details/84844200

没有解决问题
2）阅读报错，告知存在X server is running

https://stackoverflow.com/questions/54181940/cuda-driver-installation-failed-ubuntu-14-04

没有解决
3）再次尝试，在报错信息中，发现Driver Installation Failed

查看安装流程，发现有一步要安装CUDA自带的显卡驱动，突然明白，造成错误的，是已经存在一个驱动，安装时选择no

no

成功！！！！！！！！！！！！！！！！！！！

2.4配置环境变量

sudo gedit ~/.bashrc

添加

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64

如果一直默认安装，路径不会发生改变
参考博客：https://blog.csdn.net/yinxian9019/article/details/106756280/

2.5 查看是否成功安装

参考博客：https://blog.csdn.net/qq_16525279/article/details/79722377

3.安装cudnn

3.1 下载

下载官网：https://developer.nvidia.com/cuda-toolkit-archive

3.2安装

解压把相应文件复制到CUDA文件中

3.3 查看是否成功

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

参考博客：https://blog.csdn.net/Teeyohuang/article/details/79660547

4.GCC降级

此时发现gcc版本太高，进行降级，不知道科不科学
参考博客：https://blog.csdn.net/qq_31175231/article/details/77774971?

5.安装Adacaonda

adaconda 利用清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

6.安装Tensorflow-gpu-1.3

参考博客
https://blog.csdn.net/love666666shen/article/details/75675185

6.1 conda创建虚拟环境

自动下载包

y

6.2激活环境

source activate your_name

6.3安装

下载包

y

成功！！！！！！！！！！！！！！！！！！！！！！！！！！！1

问题：

1.太慢

添加镜像
清华：虽然已恢复，但还是太慢
北京外国语大学 极力推荐
1）打开.condarc

sudo gedit ~/.condarc

2）添加镜像（注意把原来打镜像备份）

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.edu.cn/anaconda
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

参考博客：
https://www.cnblogs.com/yibeimingyue/p/138417426.html
https://blog.csdn.net/weixin_43667077/article/details/108282523
https://blog.csdn.net/weixin_43667077/article/details/106521015?

6.4 测试

1.进入python
2.引人tensorflow,测试是否使用gpu

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

成功！！！！！！！！！！！！！！！！！

7.安装PyCharm

网上教程较多
博客:https://baijiahao.baidu.com/s?id=1622347860160507809&wfr=spider&for=pc

历经3天(2020.11.7-2020.11.9)的搭建环境工作已经完成,写下此篇博客,记录自己的成长点滴!
2020.11.9 23:33的冬天,有点冷。