Ubuntu18.04安装Tensorflow+cuda+cuDNN

本文写的比较简单，期间遇到的一些小麻烦，自己不认为成为阻碍，所以没有详细写。

如有疑问可以联系QQ：2922530320

Pycharm

Pycharm使用Anaconda

Pycharm 在新建项目的时候可以指定Conda环境，前提是已经安装了Conda。

如果创建项目的时候没有指定conda环境:

Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

Anaconda

Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载。

如果pip安装软件包速度很慢，可以使用清华的镜像库

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

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

conda config --set show_channel_urls yes

介绍：Anaconda会创建一个独立的python环境，针对某个应用下载其需要的依赖包，并保存在一个自定义的目录(目录名通过Anaconda创建项目时指定)，之后我们在Anacoda的环境中编写代码，代码引用的包就是Ananconda为此项目独立下载的包，不会影响到宿主机和其他环境。

比如你要在learn环境中编写程序, 那么就修改为~/anaconda3/envs/learn, 可以看到这时候下面的依赖包也变成了learn环境中的包了.接下来我们就可以在pycharm中愉快的编码了.

常用的命令

查看所有的环境

conda env list

安装第三方包

conda install requests

或者 pip install requests

卸载第三方包

conda remove requests

或者 pip uninstall requests

查看环境包信息

conda list

导入导出环境

conda env export > env.yaml

conda env create -f env.yaml

切换环境

activate python35          #Windows

source activate python35   #linux&Mac

创建环境

conda create -n <env_name> python=3.6

创建一个环境，指定环境名称，并指定使用的python版本

删除环境

conda remove -n <env_name> --all

删除环境以及下属的所有包

安装Tensorflow

1、正常流程大概是第一步这样的，但是，我们一般不走寻常路。

tensorflow目前为止支持到cuda9.0，而ubuntu18.04上默认的cuda是9.1，安装方式很简单：sudo apt install nvidia-cuda-dev。本人懒的重装cuda，因为还要降级gcc到6.0。既然官方不支持，就找非官方的。所以跳过第一步（其实第一步也不完整）。

在anaconda环境下执行

pip install tensorflow-gpu

cuda历史版本下载

https://developer.nvidia.com/cuda-toolkit-archive

具体执行命令和安装方式在下载的地方已经有说明了。

2、网上大神已经编译好的tensorflow，目前已经更新到1.8了。

https://github.com/mind/wheels/releases/

有三个版本，cp27，cp35和cp36，分别对应的是python2.7,3.5和3.6。

下载[TensorFlow 1.8 (GPU, CUDA 9.1, cuDNN 7.1, no MKL)]这个标题下面的包。

在自己的anaconda环境安装下载好的tensorflow

pip3 install 上面下载的 .whl 文件

cuDNN安装

官网下载需要注册，网上有人提供了下载好的。

链接: https://pan.baidu.com/s/1DiQYF8KFnuwfVDnmlxBw7w 密码: ga6s

tar -xf cudnn-9.1-linux-x64-v7.1.tgz

cd cuda

sudo cp include/cudnn.h /usr/include/

sudo cp lib64/* /lib/

最后一步

重启系统