windows10和Ubuntu16.04双系统安装及配置tensorflow-gpu版

参考链接：http://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

Windows10

1.安装好Anaconda，打开Anaconda Prompt，输入如下安装tensorflow的GPU版本

pip install tensorflow-gpu

去NVIDIA官网下载对应版本的显卡驱动：
http://www.nvidia.com/Download/index.aspx?lang=en-us

2.下载对应的CUDA（Compute Unified Device Architecture），是NVIDIA推出的通用并行计算架构，包含了使用GPU资源进行通用计算的SDK（软件开发工具包）。下载CUDA版本的地址为：https://developer.nvidia.com/cuda-downloads ，注意一定要下载tensorflow-gpu所支持的CUDA版本，在这里我下载了tensorflow-gpu r1.7，对应的CUDA版本为9.0，既不能高也不能低。如果版本下载错误，比如下载了9.1版本，卸载的方法也很简单，打开“控制面板”，将有关NVIDIA和9.1的程序都卸载，此时cuda9.1和环境变量会被完全卸载。

3.安装CUDA 9.0，下载后为exe格式，比如cuda_9.0.176_win10.exe，双击安装即可，安装过程中，环境变量会被自动添加，安装完后，查看是否安装成功：
方法1：在命令行输入查看CUDA版本：

C:\Users\Administrator>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:32_Central_Daylight_Time_2017
Cuda compilation tools, release 9.0, V9.0.176

方法2：打开NVIDIA控制面板查看显卡所支持的CUDA版本，“桌面”→“右键”→“NVIDIA控制面板”，任务栏上选择“帮助”→“系统信息”→“组件”
这里写图片描述

4.下载cuDNN，相比于标准的cuda，cuDNN专门针对神经网络操作进行了性能的优化，比如卷积，pooling，归一化以及激活层等，绝大多数的深度学习框架都使用cuDNN来驱动GPU计算。下载地址：https://developer.nvidia.com/cudnn，但是需要先注册账号才能下载。需要选择与CUDA9.0版本对应的cuDNN，同时cuDNN版本也要与tensorflow对应，比如tensorflow1.7对应cuDNN 7.0.X，我是从报错信息中得知的。
这里写图片描述

5.下载后的cuDNN其实就是几个文件，只需要将这些文件复制到CUDA的文件夹即可
这里写图片描述
左边是下载后的cuDNN文件夹，右边是CUDA的安装目录，将将左边文件夹中的内容放到对应右边文件夹里即可。

Ubuntu16.04安装

1.显卡驱动的下载与安装：
我所用为技嘉的GTX 1080 GAMING BOX，所以要先装游戏盒子驱动，
参考如下链接：
安装外置显卡盒子的驱动：https://egpu.io/forums/thunderbolt-linux-setup/egpu-in-linux-has-anyone-here-gotten-it-to-work/#post-24877
总过程：https://zhuanlan.zhihu.com/p/33811068
外置显卡盒子驱动安装成功之后，显卡盒子会被点亮。
首先确认显卡驱动版本：

sudo ubuntu-drivers devices

这里写图片描述

可以去官网下载驱动run文件：下载地址：http://www.nvidia.com/Download/index.aspx?lang=en-us。
需要进入命令行界面安装，因为要避开X server，点击ctrl+AIt+F1进入：

sudo service lightdm stop #关闭图形界面
chmod u+x NVIDIA-Linux-x86_64-390.48.run  # 修改驱动run文件为可执行权限
sudo ./NVIDIA-Linux-x86_64-390.48.run 
'''
NVIDIA-Linux-x86_64-390.48.run命令后可加如下参数：
-no-opengl-files:只安装驱动文件，不安装OprnGL文件
-no-x-check:安装驱动时不检查X server
-no-nouveau-check:安装时不检查nouveau
'''
reboot  # 重新启动

2.CUDA的下载和安装
需要进入命令行界面安装，因为要避开X server，点击ctrl+AIt+F1进入：

sudo service lightdm stop  
chmod u+x cuda_9.0.176_384.81_linux.run  # 修改CUDA安装run文件为可执行权限
sudo ./cuda_9.0.176_384.81_linux.run
reboot  # 重新启动

然后一路accept或者y，直到Install CUDA9.0 Samples？选择n，因为我们不直接使用CUDA写代码。下载后的CUDA默认安装到/usr/local/CUDA-9.0/文件夹。

2.安装cuDAA，需要先注册才能下载，下载如下3个：
这里写图片描述
对下载的deb包进行安装：

sudo dpkg -i libcudnn7_7.0.4.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.4.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.4.11-1+cuda9.0_amd64.deb

3.配置环境变量，在.bashrc(/home/winycg/.bashrc)文件中。终端中输入如下命令编辑.bashrc文件：

gedit .bashrc

输入环境变量：

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

输入如下命令使得环境变量生效：

source .bashrc

4.测试GPU是否可用。

$cp -r /usr/src/cudnn_samples_v7/ $HOME   # 复制文件夹到home
$ cd  $HOME/cudnn_samples_v7/mnistCUDNN
$make clean && make  # 编译mnistCUDNN sample
$ ./mnistCUDNN  # Run the mnistCUDNN sample.

如果cuDNN安装成功，则显示：

Test passed!