在深度学习主机上搭建TensorFlow环境。系统是Ubuntu18.04，Python环境是Python3.6，显卡是GTX1080ti，配置cuda9.0+ cudnn7.3.1+tensorflow1.11GPU。第一次写博客，望大家多多支持！！！
0、预备工作
1. 验证电脑是否支持CUDA的GPU
2. 验证自己的Linux版本是否支持 CUDA
3. 验证是否安装gcc
4. 验证是否安装kernel header 和package development
1、安装显卡驱动
1.1、卸载旧版显卡驱动
首先卸载NVIDIA驱动，如果是通过附加驱动安装显卡的，则输入如下
sudo apt-get remove --purge nvidia-*
如果是安装的是官万下载的驱动，则重新运行run文件来卸载
sudoshNVIDIA-Linux-x86_64-410.73.run--uninstall
此时，显卡驱动现实如下：
1.2、下载显卡驱动
去Nvidia官网，下载相应的驱动程序
点击搜索，下载驱动
1.3、禁用自带显卡驱动
打开黑名单列表
sudo gedit /etc/modprobe.d/blacklist.conf
在列表最后加入
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
options nouveau modeset=0
保存后输入
sudo update-initramfs -u
更新更改
1.4、安装新的显卡驱动
重启电脑，输入ctrl+alt+f6进入终端，停止X-windows服务，输入
sudo service lightdm stop
进入nvidia安装包目录，输入
sudo chmod a+x NVIDIA-Linux-x86_64-410.73.run
sudo sh NVIDIA-Linux-x86_64-410.73.run
按照提示安装，一路默认直到询问是否使用nv的xconfig文件，选择"yes"，安装成功后，执行
sudo service lightdm restart
重启电脑，查看显卡驱动
2、安装Cuda9.0
2.1、下载cuda
目前只支持Cuda9.0，前往cuda官网，找到对应版本下载
2.2、降低gcc、g++版本
若现在直接安装cuda，则会提示
其原因是Ubuntu18.04的编译器版本过高，因此只需要安装较低版本的gcc、g++即可
sudo apt install gcc-4.8 g++-4.8
sudo ln -s /usr/bin/gcc-4.8 /usr/local/bin/gcc
sudo ln -s /usr/bin/g++-4.8 /usr/local/bin/g++
2.3、安装Cuda
接下来进入到下载目录，执行下面的安装命令：
sudo sh cuda_9.0.176_384.81_linux.run
看到一大段协议后一直回车，接下来会有一大堆问题
Do you accept the previously read EULA?(accept/deny/quit) 选择accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
因为已经安装过显卡驱动了,所以选择no
Install the CUDA 9.0 Toolkit? 选择yes
Enter Toolkit Location 直接回车默认 [ default is /usr/local/cuda-9.0 ]: 直接回车默认即可
Do you want to install a symbolic link at /usr/local/cuda? 选择yes
Install the CUDA 9.0 Samples? 问你是否安装样例，安装了吧，也占不了多少空间
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 等待安装完成即可
安装完成后，显示以下内容
提示若想要删除cuda工具，直接运行pl脚本即可，进入目录
sudo perl uninstall_cuda_9.2.pl
最后一步，将cuda添加到环境变量，在终端输入
sudo gedit ~/.bashrc
然后加入
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
完成后，重启终端输入nvcc -V，显示如下则表示cuda工具安装成功
3、安装cuDNN
进入cuDNN官网，下载对应版本
解压压缩包，将文件复制到cuda-9.2的安装目录，并修改权限：
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*
4、安装Anaconda3
anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。可以帮助python开发者省去很多安装科学包的工作。去官网下载对应版本
进入下载目录，输入以下指令下载
sudo bash Anaconda3-5.3.0-Linux-x86_64.sh
一直按回车或yes完成安装，完成安装
接下来配置环境变量，在终端输入
sudo gedit ~/.bashrc
然后加入
export PATH=~/anaconda3/bin:$PATH
更新配置，source ~/.bashrc，输入python，查看是否安装成功
5、安装TensorFlow
Anaconda能够创建不同环境以满足不同需求，我们创建一个tensorflow的环境
conda create -n tensorflow pip python=3.6
接着激活conda环境
source activate tensorflow
最后为该环境安装tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
6、测试
新建python文件，运行测试程序
import tensorflow as tf
with tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=False)) as sess:
a = tf.constant(1)
b = tf.constant(3)
c = a + b
print('结果是：%d\n 值为：%d' % (sess.run(c), sess.run(c)))
若输出为
2018-12-12 15:43:39.871883: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:
name: GeForce GTX 1080 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.6575
pciBusID: 0000:02:00.0
totalMemory: 10.91GiB freeMemory: 10.00GiB
2018-12-12 15:43:39.871896: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2018-12-12 15:43:40.042840: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-12-12 15:43:40.042868: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 0
2018-12-12 15:43:40.042873: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N
2018-12-12 15:43:40.043042: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 9665 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:02:00.0, compute capability: 6.1)
结果是：4
值为：4
则安装成功，其中
allow_soft_placement=True 表示使用不能使用显卡时使用cpu
log_device_placement=False 不打印日志，不然会刷屏
7、参考文献
网友评论