ubuntu18.04下配置tensorflow-gpu

参考：https://blog.csdn.net/ctwy291314/article/details/80951148
https://blog.csdn.net/qq_33479881/article/details/83060626
配置：ubuntu18.04+GTX1070

一、禁用nouveau

1.Create a file at /etc/modprobe.d/blacklist-nouveau.conf with the following contents:
  blacklist nouveau
  options nouveau modeset=0

2.Regenerate the kernel initramfs:
  $ sudo update-initramfs -u
3.重启计算机，如果鼠标变大，那么关闭成功了

二、安装英伟达驱动

1.首先检测显卡，并显示支持的驱动
  $ ubuntu-drivers devices
2.然后安装显卡驱动
  安装默认推荐的驱动：
  $ sudo ubuntu-drivers autoinstall
  或者安装自己指定的驱动nvidia-340：
  $ sudo apt install nvidia-340
3.完了重启计算机，如果鼠标变小，那么成功了

三、下载安装CUDA9.0

 从 https://developer.nvidia.com/cuda-90-download-archive
下载：
cuda_9.0.176_384.81_linux.run
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176.3_linux.run
cuda_9.0.176.4_linux.run
安装：
sudo sh cuda_9.0.176_384.81_linux.run
注意：提示安装graphic accelerate driver(显卡驱动)时，选择no。安装完成后提示安装不完全，因为没有选择按驱动，不用管。
依次运行以下命令，继续安装：
sudo sh cuda_9.0.176.1_linux.run 
sudo sh cuda_9.0.176.2_linux.run 
sudo sh cuda_9.0.176.3_linux.run 
sudo sh cuda_9.0.176.4_linux.run 

四、下载安装cuDNN7.4

从https://developer.nvidia.com/rdp/cudnn-download
下载适合CUDA9.0的cuDNN for linux文件
先解压，后复制到CUDA安装文件夹里面
tar zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz
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 /usr/local/cuda/lib64/libcudnn*

五、测试CUDA功能完整性

到～/NVIDIA_CUDA-9.0_Samples/文件夹下
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery

六、添加cuda的环境变量（否则tensorflow会说符号库找不到）：

$ sudo gedit ~/.bashrc
将以下添加到文件末尾
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
保存退出！

七、安装tensorflow(python3)

pip3 install tensorflow-gpu

八、测试：

新建一个test.py文件，然后在命令行执行python3 test.py。
文件内容如下：

# -*- coding: utf-8 -*- 
import tensorflow as tf 
import os 
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 
a = tf.constant([1.0,2.0],shape=[2],name='a') 
b = tf.constant([2.0,3.0],shape=[2],name='b') 
result = a+b 
print(result) 
print(a.graph is tf.get_default_graph) 
sess = tf.Session() 
print(sess.run(result))
 print(result) 
g = tf.Graph() with g.device('gpu:0'): 
     result = a+b print(sess.run(result))