深度学习环境配置-tensorflow/gpu/ubuntu16.04+windows

1，版本说明

cuda为8.0
tf1.0,1.2需要cudnn5.1
tf1.4需要cudnn6.0
1.5版本要求cuda 9.0

2，安装NVIDIA驱动**

1. 先卸载原有N卡驱动

#for case1: original driver installed by apt-get:
sudo apt-get remove --purge nvidia*
#for case2: original driver installed by runfile:
sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall

如果原驱动是用apt-get安装的，就用第1种方法卸载。
如果原驱动是用runfile安装的，就用–uninstall命令卸载。其实，用runfile安装的时候也会卸载掉之前的驱动，所以不手动卸载亦可。
2. 禁用nouveau驱动

sudo gedit /etc/modprobe.d/blacklist.conf
# 在文本最后添加：（禁用nouveau第三方驱动，之后也不需要改回来）
blacklist nouveau
options nouveau modeset=0
然后执行：sudo update-initramfs -u

重启后，执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。
3. 禁用X-Window服务

sudo service lightdm stop            # 这会关闭图形界面，但不用紧张【跳过】

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录即可。
小提示：在命令行输入：sudo service lightdm start ，然后按Ctrl-Alt+F7即可恢复到图形界面。
4. 命令行安装驱动

# 给驱动run文件赋予执行权限：
sudo chmod +x NVIDIA-Linux-x86_64-384.59.run
# 后面的参数非常重要，不可省略：
sudo ./NVIDIA-Linux-x86_64-384.59.run -no-x-check -no-nouveau-check -no-opengl-files
#=========================================================
–no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。
–no-x-check：表示安装驱动时不检查X服务，非必需。
–no-nouveau-check：表示安装驱动时不检查nouveau，非必需。
-Z, --disable-nouveau：禁用nouveau。此参数非必需，因为之前已经手动禁用了nouveau。
-A：查看更多高级选项。
----------------------------------------------------------------------------------
Nvidia's 32-bit compatibility libraries? 选择 No 继续。
Would you like to run ......? Any pre-existing x confile will be backed up.  选择 Yes  继续

必选参数解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。
之后，按照提示安装，成功后重启即可。
如果提示安装失败，不要急着重启电脑，重复以上步骤，多安装几次即可。
Driver测试：

nvidia-smi      #若列出GPU的信息列表，表示驱动安装成功
nvidia-settings #若弹出设置对话框，亦表示驱动安装成功

CUDA安装

下载cuda8.0
进入刚刚下载的目录，并在终端中运行

sudo sh cuda_8.0.44_linux.run

配置环境变量
打开shell运行：

gedit ~/.bashrc
# add cuda
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
source ~/.bashrc    # 立即生效

查看CUDA版本

nvcc -V

cuDNN安装

安装cuDNN非常简单，我们只需解压下载的包，并将其拷贝到lib64和include这两个目录即可

cd ~
tar -zxf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/

安装TensorFlow-GUP

pip install tensorflow-gpu

将cudnn版本换成6.0

去官网下载需要的CUDNN

tar zxvf cudnn-8.0-linux-x64-v6.0.tgz
# 删除原来的CUDNN
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
# cd 到刚才解压的文件夹进行安装
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/
# cd到/usr/local/cuda/lib64/文件夹下，建立软链接（注意版本号换成你自己的）
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.6.0.21
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -sf libcudnn.so.6 libcudnn.so  
sudo ldconfig

windows环境配置

CUDA环境搭建
1. GPU的计算能力在3.0及以上，官网上可以查
2. 去Nvidia官网上下载并按照Windows版Cuda 8.0
—内含显卡驱动
—安装全部组件
3. 去Nvidia官网上下载支持Windows系统和Cuda 8.0的cuDNN v5.1
—需要注册
—解压后把对应的文件(图1)分别拷贝到Cuda8.0的安装路径(图2)下
—不用设置环境变量
这里写图片描述

安装GPU版TensorFlow