【深度学习】Ubuntu16.04+cuda8.0+cudnn6.0+Python3.6+Anaconda+tensorflow-gpu1.3配置（踩坑记）

前言

最近换了带GPU的新电脑，终于有机会体验深度学习，然而搭个环境搭得我呕心沥血，各种莫名其妙的ERROR，差点就从入门到放弃……好不容易终于成功了，记录一下QAQ

安装显卡驱动

检查自己的显卡支不支持GPU加速计算，也就是CUDA功能，这个可以在CUDA官网上找到；
在Nvidia官网查找自己显卡对应的显卡驱动型号，如下图，我的是390.59；
终端输入如下语句安装相应型号的显卡驱动（注意改成你自己的型号）；

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

4.安装完后sudo reboot一下，运行nvidia-smi命令，若打印出相关信息则说明显卡驱动安装成功。

安装CUDA8.0

同样去NVIDIA官网下载对应平台的CUDA Toolkit，注意选择runfile，不要选deb！！！（一开始用的deb后面到tensorflow引入时报各种错，改成runfile就好了= =）；
下好后终端运行sudo sh cuda_8.0.61_375.26_linux.run，注意在询问是否安装Graphics Driver时一定要选no！！！因为前面我们已经安装过显卡驱动了，这里再安装一次的话可能会有问题（比如我的是390它会给我装384….然后电脑就经常黑屏，只能强制重启TAT，找了好久才发现是这个问题…除了这个其他一律默认yes
在/etc/profile中添加相关环境变量

sudo vim /etc/profile
#在末尾添加两行
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64$LD_LIBRARY_PATH

4.执行source /etc/profile使环境变量生效
5. ctrl+Alt+T打开新终端，输入nvcc -V，如果输出显卡信息则说明安装成功。

6.为了避免后续安装出现问题，这里有必要测试一下能不能跑通sample

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

如果能打印出显卡信息则可以进行下一步，否则请Google解决。

安装cuDNN6.0

官网给出了详细的安装文档，需要注意的是cuDNN一定要和cuda版本配套，如cuda8.0和cudnn6.0对应；
这里分享一个好心人的网盘链接https://pan.baidu.com/s/1hs23HrA，免去注册填问卷的步骤23333；
安装好后进行解压，拷贝至cuda目录

tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz 
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include 
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda-8.0/lib64 
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn.so*

安装Anaconda

Anaconda官网上有两个版本，分别对应Python3.6和Python2.7，这里我选择的是3.6的；
下载好后执行bash Anaconda3-5.1.0-Linux-x86_64.sh进行安装，一直按yes或者回车就对了；

使用Anaconda创建tensorflow环境

执行conda create -n tensorflow Python=3.6，然后Anaconda会下载所有的依赖包，包括pip，numpy这些，这个过程比较久；
执行conda activate tensorflow激活环境；
安装1.3版本的tensorflow，注意是gpu版本，而且Python是3.6

pip install –ignore-installed –upgrade 
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0rc0-cp36-cp36m-linux_x86_64.whl

4.测试GPU版tensorflow是否安装成功；

python
>>>import tensorflow as tf
>>>sess=tf.Session()

如果打印出GPU信息，说明安装成功啦！！！！