Linux上GPU环境搭建

最近没学习什么内容，将以前的笔记整理出来。这一篇是17年11月份时候，在公司的服务器上搭建GPU环境。那个时候，tensorflow不支持cuda9.0，只支持cuda8.0。所以，安装的是cuda8.0和cuDNN v6.0。

首先，安装cuda8.0

到https://developer.nvidia.com/cuda-80-ga2-download-archive页面安装cuda8.0，然后在~/.bashrc设置环境变量。

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

然后，安装cuDNN v6.0

到https://developer.nvidia.com/rdp/cudnn-download页面，需要先注册一下。之后进入页面，选择"Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0" 中的 "cuDNN v6.0 Library for Linux"。

image.png

最后，安装tensorflow

由于使用tensorflow官网的tfBinaryURL是不能安装，需要翻墙。所以，我们先设置好豆瓣的pip源，然后安装tensorflow_gpu版本。

pip install tensorflow_gpu==1.3

注意：若是安装tensorflow的1.2版本时，需要libcudnn.so.5.0，我们安装的cuDNN v6.0是没有的，可以使用软连接搞定。

参考：

从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）

InstallingAnaconda

https://stackoverflow.com/questions/42013316/after-building-tensorflow-from-source-seeing-libcudart-so-and-libcudnn-errors