deepin15.5 安装tensorflow-gpu

deepin的CUDA和cuDNN安装方法与其它系统有所不同，参考其它操作系统的方法也许不适用，特别是显卡驱动的安装，容易使系统出现问题

本次配置：

操作系统：deepin15.5桌面版

电脑品牌：联想拯救者

CPU：i5-7300HQ

显卡：NVIDIA  GTX 1050Ti

tensorflow版本：1.4

cuda版本：8.0

cudnn版本：6

目录：

• 安装显卡驱动
• 安装CUDA
• 安装tensorflow-GPU
• 安装CUDNN

一、安装显卡驱动

deepin15.5的显卡驱动可以使用bumblebee工具，此处不需要手动禁用nouveau，因为安装完成之后会自动禁用

安装驱动命令：

sudo apt-get install bumblebee bumblebee-nvidia nvidia-smi

安装完之后，在命令行输入：

optirun nvidia-smi

输出：

上图表明安装已经成功。

驱动使用方法：

在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch <<< ON，可开启显卡。 
在训练结束后，在终端输入sudo tee /proc/acpi/bbswitch <<< OFF，可关闭显卡。

二、安装CUDA

网上很多教程都不适用于我的系统，下载安装包来安装也会报错，所以这里采用命令行安装的方法：

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

至此，CUDA安装完成

三、安装tensorflow-GPU

为什么要在安装cuDNN之前安装tensorflow-gpu呢？因为我们之前安装的cuda方法与往常不同，所以cuDNN的安装方法也有所不同，需要先安装tensorflow-gpu

安装很简单，输入以下命令：

pip install tensorflow-gpu==1.4

四、安装cuDNN

从官方网站下载安装包：https://developer.nvidia.com/rdp/cudnn-download

下载之后解压，会得到一个cuda文件夹。

接下来进行两个步骤：

• 步骤一：将解压出来的cuda/include/下的cudnn.h文件复制到/usr/local/include/目录下。
• 步骤二：将cuda/lib64/目录下的所有文件复制到python环境的tensorflow包的tensorflow/python/目录下

我的python环境的tensorflow包的tensorflow/python/目录是：/home/XXX/anaconda3/lib/python3.6/site-packages/tensorflow/python

至此，所有安装都已经结束

测试：

进入python环境中，输入以下命令：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

输出：

结果中有GPU的名称，显存等信息，表示tensorflow可以使用GPU了

如有问题，欢迎留言讨论

参考资料：

https://blog.csdn.net/aaronjny/article/details/79330727