Ubantu系统和TensorFlow安装完整教程

ubuntu16.04

镜像地址 https://www.ubuntu.com/download/alternative-downloads

这里的版本什么都不要动，别下最新版，就这个版本，安装文件下载run文件，别下deb文件。

CUDA 8.0

cuDNN v5

1.安装ubuntu16.04 LTS 系统

下载系统文件以后用软碟通考进U盘里面，这里要设置两个，注意注意

写入方式：USB-ZIP+

便捷启动：写入新的硬盘主引导记录（MBR）-USB-ZIP+

刚开机的时候按del或者F2，选U盘的时候，两个一样的U盘，选没有uefi文字更少的那一个

安装，什么都不选，其他

/给10g以上，安装系统的，主分区

boot没多少，1g足够，主分区

swap给16g或者更少，逻辑分区

剩的全是home，逻辑分区

剩下的没有选择全是安装，慢慢等。

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

大坑在这，关闭图形界面之前，看一下自己的驱动安装程序放在哪，对着文件夹点击右键属性能看见。

然后进入命令行，用cd一步一步进入然后再输命令

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-opengl-files –no-x-check –no-nouveau-check（大坑！！！！）

–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。

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。

最后重新启动图形环境

$sudo service lightdm start

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

3. 安装CUDA

sudo chmod +x cuda_8.0.61_375.26_linux.run 
sudo ./cuda_8.0.61_375.26_linux.run --no-opengl-libs

--no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
这之后它显示more（0百分之），按q弹出选项栏继续

之后，按照提示安装即可。我依次选择了：

accept #同意安装
n #不安装Driver，因为已安装最新驱动
y #安装CUDA Toolkit
<Enter> #安装到默认目录
y #创建安装目录的软链接
n #不复制Samples，因为在安装目录下有/samples

CUDA Sample测试：（很可能要装完环境变量才能用）

#编译并测试设备 deviceQuery：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest：
cd ../bandwidthTest
sudo make
./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。

gcc降版本不知道用不用

安装cuDNN（自己目前安的是5）

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部，终端输入：sudo gedit ~/.bashrc ，在打开的文档末尾插入如下内容保存即可。

export PATH=/usr/local/cuda-8.0/bin\${PATH:+:\${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}

1、解压出一个名为cuda的文件夹，文件夹中有include和lib64两个文件夹

cd /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解压这个文件）

2、删除原来的cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

3、安装安装需要版本的cudnn，在终端cd到刚解压的cuda文件夹

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

4、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）

sudo chmod +r libcudnn.so.5.0.5  
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig

4.1 配置环境变量（这个环境变量有问题）

（注意不要有空格，不然会报错!!!!!这里是大坑，如果改得不好会导致系统不认识sudo命令和其他一切命令，用路径自己找到刚才改过的文件把改动取消掉。而且一旦sudo不能用了，改其他文件也很难办，如果不用sudo打开很可能不给你改。让sudo失效的就是对bashdr的更改。)

安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部，终端输入：sudo gedit ~/.bashrc ，在打开的文档末尾插入如下内容保存即可。

(网上抄来的)

export PATH=/usr/local/cuda-8.0/bin\${PATH:+:\${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}

（师兄自己写的）

export PATH="$PATH:/usr/local/cuda-8.0/bin"

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64"

export CUDA_HOME=/usr/local/cuda/lib64:$CUDA_HOME

最后测试cuda8.0,在终端执行以下命令：（这个要你安装cuda的时候选择复制sample才有这文件）

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery

输出Result = PASS 表示安装成功。

一、安装Anaconda

主要参考：https://docs.anaconda.com/anaconda/install/linux

1.1 从清华大学开源软件网站上选择合适的源文件并下载，

本人选择的是Anaconda3-5.0.1-Linux-x86_64.sh，此为python3.6版本。由于python3为发展趋势，建议安装python3版本。

1.2 在终端terminal中运行bash ~/path/sourcename,即自动进行安装，过程下会有进行选择，不懂的情况下enter“Yes”。

其中path为对应源文件所在路径，本人的为下载目录，path=‘下载’（中文系统）;sourcename为源文件名称，在此为sourcename=‘Anaconda3-5.0.1-Linux-x86_64.sh’。运行命令如下：

bash ~/Download/Anaconda3-5.0.1-Linux-x86_64.sh

1.3验证安装是否成功：

python
>>>import numpy #查看是否能够运行，numpy为anaconda内置python库。

python一定要换源下载。

三、升级pip版本

在装tensorflow之前，不管是不是最新的pip版本，都要更新一下，具体命令如下：

[plain]view plain copy
python 2.7版本：sudo pip install --upgrade pip  
python 3.x版本：sudo pip3 install --upgrade pip  

四、更改pip源地址（提高下载速度）

在主目录下创建.pip文件夹（对应在自己的电脑上也就是Home，download的上一层）

mkdir ~/.pip

修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件，文件夹要加"."，表示是隐藏文件夹)，内容如下：

[plain]view plain copy
[global]  
index-url = https://pypi.tuna.tsinghua.edu.cn/simple  
[install]  
trusted-host=mirrors.aliyun.com  

五、GCC降版本

其实，在ubuntu上安装老版gcc十分简单，直接用apt-get命令下载即可。

第一步：

sudo apt-get install gcc-4.8

输入密码，同意安装，接下来就自动下载安装4.8.5版本了。

第二步：设置默认的gcc版本

gcc --version

（可选）查看当前版本，不出意外的话会返回ubuntu16.04自带的5.4.0这个版本号，现在使用gcc命令编译时还是会用新版本。

ls /usr/bin/gcc*

（可选）查看已有的gcc版本，确认一下刚才4.8.5有没有装成功。

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100

将某个版本加入gcc候选中，最后的数字是优先级，我自己是直接设为100，没任何问题。

此时在运行gcc --version查看版本，发现4.8.5已经为默认的gcc版本。

conda换源，打开控制台，更换清华源（墙太高）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

3.创建一个名yang的环境

conda create -n yang python=3.6

创建成功

这里写图片描述

激活环境

source activate yang

这里写图片描述

六、安装TensorFlow

这里有两个python，sudo执行的是系统自带的原装版本，不加sudo直接python用的是anaconda的python，那就不加sudo吧

真正执行版本：

sudo pip install scikit-learn scikit-image

sudo pip install tensorflow-gpu # GPU加速版

sudo pip install keras

在终端中验证是否安装成功：

import tensorflow

import keras

如果不报错，即配置成功！

六、测试安装结果

进入python编译环境，导入TensorFlow，做一个简单的加法运算，如图2所示。