(亲测可用)Ubuntu 18.04+ NVIDIA显卡GeForce GTX 1070ti+CUDA9.0搭建tensorflow-gpu深度学习环境

 每次重装系统都要重装一遍tensorflow的Gpu版本，里面有一些坑，每次都需要重新摸索一遍，特别浪费时间，这里把详细过程记录下来。

环境：ubuntu18.04LTS，python3.6.5

目标环境：cuda9.0 cuDNN7.0.5_for_cuda9.0 tensorflow

显卡：NVIDIA GeForce GTX 1070ti

流程：

1. 安装NVIDIA显卡驱动
2. 安装CUDA
3. 降低gcc,g++版本
4. 安装CUDNN
5. 安装Anaconda
6. 安装Tensorflow-gpu

安装NVIDIA显卡驱动

方法1：直接安装

一条命令就可以完成安装

sudo ubuntu-drivers autoinstall

安装完成后，使用命令nvidia-smi就可以查看到显卡的信息了。我这边看到的是这个。

方法2：将驱动下载下来进行安装

如果方法1不成功，手动去NVIDIA官网下载驱动文件进行安装。https://www.nvidia.com/Download/index.aspx?lang=en-us

我的显卡是GeForce GTX1070Ti，搜索的结果告诉我，应该安装410.78驱动

下载完成后，卸载之前安装的NVIDIA驱动：

sudo apt-get remove --purge nvidia*

接着为下载的NVIDIA驱动赋权，并使用驱动文件执行unistall操作：

sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-410.78.run --uninstall

接下来需要禁用nouveau，打开/etc/modprobe.d/blacklist.conf在文本最后一行添加blacklist nouveau

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

最后执行

sudo update-initramfs -u
sudo reboot

电脑重启之后执行下面的代码，没有输出，即说明安装成功

lsmod | grep nouveau

接下来终于可以安装下载的驱动文件啦，重启开机后，按Ctrl-Alt+F1，输入用户名和密码登录，进入驱动文件目录，为文件赋权。

sudo chmod a+x NVIDIA-Linux-x86_64-410.78.run

接下来进行安装：

sudo ./NVIDIA-Linux-x86_64-410.78.run -no-opengl-files -no-x-check -no-nouveau-check

上面三个参数的说明：

• -no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
• -no-x-check 安装驱动时不检查X服务
• -no-nouveau-check 安装驱动时不检查nouveau 

这三个参数最好都加上，我一开始漏了后面两个参数，导致重启开机后屏幕分辨率异常，重启后，输入nvidia-smi检查发现驱动安装成功。

安装CUDA

到NVIDIA网站下载文件cuda_9.0.176_384.81_linux.run

# 直接下载
wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run
sudo chmod 777 cuda_9.0.176_384.81_linux.run
sudo sh ./cuda_9.0.176_384.81_linux.run -toolkit -samples -override --no-opengl-libs -silent

这种方式有个好处，不需要在安装的过程中再干预，只需要等待安装完成就可以了。

降低gcc,g++版本

为了适应系统，需要讲gcc与g++降低版本

sudo apt install gcc-5 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50  

接着我们设置cuda环境变量

sudo gedit ~/.bashrc

在文本末添加以下内容

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda-9.0/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

保存文本后，更新系统环境变量：

source ~/.bashrc

我们测试以下CUDA是否安装正常

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

cd ../bandwidthTest
sudo make
./bandwidthTest

如果看到Result = PASS，则说明CUDA安装正常

安装CUDNN

注册NVIDIA账号并在NVIDIA网站上下载cuDNN包，注意，注册NVIDIA账号可能需要翻墙

注意，由于网站上面没有专门为Ubuntu18准备的包，这里我们下载为Ubuntu16准备的，经过测试，这三个文件在Ubuntu18系统下是可以正常使用的。

下载这三个文件，你会得到下面三个文件

下载的包使用下面的命令进行安装：

sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb

同样的，我们测试cudnn是否安装正常。

cd /usr/src/cudnn_samples_v7/mnistCUDNN
sudo make clean
sudo make
./mnistCUDNN

看到Test passed表示cudnn安装正常

到此为止，我们已经安装完了基本的配置，接下来可以安装tensorflow-gpu与Ananconda了

安装Anaconda

到Anaconda网站上下载安装文件，我下载的是Anaconda3-5.0.1-Linux-x86_64.sh

bash Anaconda3-5.0.1-Linux-x86_64.sh

按照提示一路往下安装，注意最后讲Anaconda添加到环境变量中

安装Tensorflow-gpu

安装tensorflow-gpu非常简单

pip3 install --upgrade tensorflow-gpu

测试以下是否安装成功

import tensorflow as tf
hello = tf.constant('hello, Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

在安装过程中，我碰到了一个有意思的问题，没办法在anaconda环境下使用tensorflow-gpu。这是怎么回事？我明明使用pip成功安装了tensorflow-gpu，我通过查conda list，发现tensorflow-gpu并没有成功安装在anaconda包的目录中。上网百度，发现了一个非常暴力直接的办法。

将安装在原生python3中的tensorflow-gpu包复制到Anaconda中来。

原生python3中的包安装在/usr/local/lib/python3.6/dist-packages/中，此处的文件大都是用pip安装的，也就是刚刚安装的tensorflow-gpu也位于此处，我将这个文件夹下的所有文件复制到~/anaconda3/lib/python3.6/site-packages/目录下，有重复的选择替换.

再回到python环境进行测试，发现成功导入了tensorflow-gpu。

---

卸载 Cuda和Cudnn

如果安装错误，可以考虑卸载重装Cuda和Cudnn

卸载cuda

sudo /usr/local/cuda-8.0/bin/uninstall_cuda*
sudo rm -rf /usr/local/cuda*

卸载cudnn

sudo apt remove cudnn*