ubuntu16.04系统GTX1050装tensorflow1.6+cuda9.0+cudnn7.0+anaconda

注意：本文是先装了NVIDIA的显卡驱动，Python=2.7版本

一CUDA安装

0NVIDIA驱动安装

在ubuntu搜索框输入软件更新，打开 "软件和更新" 对话框，在附加驱动里选择系统检测到的Nvidia驱动，应用更改，重启系统：

安装完成之后重启即查看GPU驱动版本以及相关信息：

[python]view plain copy
nvidia-smi  

1从官网下载cuda9.0

2.在下载目录下打开终端，执行

sudo sh cuda_9.0.176_384.81_linux.run

出现以下画面

下面的语句是cuda询问是否进行驱动安装的语句，在该处需要注意。

  Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n

其他部分内容直接选择y或enter进行操作即可

3.验证CUDA是否安装成功

利用nvcc --version命令进行验证。在验证是笔者提示nvcc未安装，又按照命令提示进行了nvcc的安装，如下图所示

安装命令为sudo apt install nvidia-cuda-toolkit 安装时间较长。安装完成后继续输入nvcc --version命令进行验证，结果如下则表示安装成功。

4添加环境变量

用$ sudo gedit /etc/profile命令进行环境变量的添加。输入该命令后最出现如下界面，在文档的最后边输入：

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

然后点击保存并关闭打开的文件，再在终端中输入：source /etc/profile，使设置生效。

二，cudnn安装

1，下载

2.进入下载文件夹，解压出一个CUDA的文件夹，进入文件夹

cd cuda    
sudo cp lib64/lib* /usr/local/cuda-9.0/lib64/    
sudo cp include/cudnn.h /usr/local/cuda-9.0/include/

然后更新网络连接：注意：具体libcudnn.so.7.0.4文件在目录下查看

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.7.0.4  # 自己查看.so的版本  
sudo ln -sf libcudnn.so.7.0.4. libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

三、anaconda及tensorflow-gpu安装

1，下载

2，进入下载目录执行

bash Anaconda2-5.1.0-Linux-x86_64.sh

3.新建tensorflow环境

conda create -n tensorflow-gpu python=2.7

4，激活环境，安装tensorflow1

source activate tensorflow-gpupip install --upgrade tensorflow-gpu

自动安装最新版tensorflow-gpu1.6版

5测试，在激活的tensorflow环境中输入python,然后输入以下代码

import tensorflow as tf

hello = tf.constant(‘hello tensorflow!’)

sess = tf.Session()print(sess.run(hello))

6.如果报libcudnn.so.7: cannot open shared object file: No such file or directory错误，可能cuda路径不对，执行

sudo ldconfig /usr/local/cuda/lib64

ubuntu16.04系统GTX1050装tensorflow1.6+cuda9.0+cudnn7.0+anaconda

猜你喜欢