ubuntu18.04下搭建深度学习环境anaconda2+ cuda9.0+cudnn7.0.5+tensorflow1.7【原创】【学习笔记】

PC：ubuntu18.04、i5、七彩虹GTX1060显卡、固态硬盘、机械硬盘

作者：庄泽彬(欢迎转载，请注明作者)

说明:记录在ubuntu18.04环境下搭建深度学习的环境，之前安装了cuda9.1,与cudnn7.0.5版本的，但是无论怎么安装tensorflow-gpu都是失败，后来找到原因了，目前的tensorflow暂不支持cuda9.1,因此更换成cuda9.0,cudnn7.0.7安装成功，而且在英伟达官网下载各个安装包的时候出现在下载到99.9%时候总是下载失败，在某个时间段总是下载失败，个人经验在晚上8点之后下载是最顺利的，我在下午5点下载的cuda的时候总是在99.9%的时候下载失败，本文记录本人的安装过程方便以后安装，顺便也给其他小伙伴参考一下.

一、安装anaconda2:

本人下载的版本是:​​Anaconda2-5.2.0-Linux-x86_64.sh​​

anaconda2官网下载地址:​​https://www.anaconda.com/download/#linux​​

anaconda2清华源下载地址:​​https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/​​

安装anaconda2:

输入下面命令进行安装:

1 bash Anaconda2-5.2.0-Linux-x86_64.sh

按回车进入安装说明，最后输入yes

设置文件的安装位置按回车选择默认的安装位置：

设置是否加入环境变了，本人选择yes：

安装到最后会显示是否安装Microsoft VSCode ,这个软件不需要，本人选择no，到这里就算安装完成了:

 安装完之后执行如下命令把conda更新为清华源：

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

执行运行 ​​conda install numpy​​ 测试一下吧，看看有没有问题

进入ananconda的安装目录进入bin，执行./spyer，但是竟然出现了下面这个错误，咋办呢，哎只能google，百度看看有没有人遇到过。

t通过各种途径最后还是解决spyder运行失败问题,运行下面命令：

1 conda install pyopengl

时间会比较久等待它安装完成即可：

重新运行,并且输入一个比较简单的helloworld程序，成功输出，到这里anaconda2的安装完成:

1 ./spyder

默认的spyder是不支持中文输入的，按照下面的操作可以修复，本人使用的是基于fcitx的搜狗输入法 ：

进入anaconda的安装目录之后进行下面操作:

//先备份之前的文件
1 mv plugins/platforminputcontexts/libcomposeplatforminputcontextplugin.so plugins/platforminputcontexts/libcomposeplatforminputcontextplugin.so.bak
// 复制fcitx的库
2 cp /usr/lib/x86_64-linux-gnu/qt5/plugins/platforminputcontexts/libfcitxplatforminputcontextplugin.so plugins/platforminputcontexts/

重启spyder生效，看看下图内容可以输入中文:

设置spyder的动画显示不在console显示，在独立的窗口运行，在console不能播放动画，只能看到第一帧的图片，因此需要设置

tool->preferences-> 显示下面的对话框，选择qt5，之后点击ok，重启spyder生效.

二、安装GTX1060显卡驱动.

先禁止系统自带的显卡驱动nouveau：

1 sudo vim /etc/modprobe.d/blacklist.conf    //修改这个文件，在文件的后面添加第2行的内容
2 blacklist nouveau 
3 sudo update-initramfs -u                  //执行这条语句之后重启系统
4 lsmod | grep no                           //如果没有任何输出证明禁止nouveau驱动成功

我们采用比较简单的方式安装显卡驱动,点击软件更新-->附加驱动，选择NVIDIA驱动，之后点击应用更改，等待系统下载驱动,安装完之后重启一下系统.

之后在终端输入下面的命令:

1 nvidia-smi

 结果如下,识别到显卡证明安装是没有问题的。

三、安装cuda9.0

由于ubuntu18.04版本的gcc是7.3版本，但是编译cuda需要的版本要低于6.0，因此需要对gcc进行降级.

安装gcc4.8:

1 sudo apt-get install gcc-4.8
2 sudo apt-get install g++-4.8

将gcc4.8与gcc7.3设置到gcc的候选中，之后就可以切换gcc版本.

1 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100
2 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 100
3 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
4 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 100

执行如下命令进行切换：

1 sudo update-alternatives --config gcc
2 sudo update-alternatives --config g++

根据自己的实际需要选择相应的版本好:

 cuda与cudnn版本的选择：

之前就一直在纠结一个问题安装cuda与cudnn的版本要怎么选，怎么不同的人选择的版本都不一样，要怎么搭配，后来终于搞清楚了，要确定cuda的版本，要先知道cudnn的版本，我们先去官网看看cudnn有那些版本可以下载:​​https://developer.nvidia.com/rdp/cudnn-archive​​,看看下面的这幅图片，官方已经给出了cuda与cudnn搭配的建议。我们根据这个搭配下载相应的版本，本文暂时不下载最新版本的cuda与cudnn下载老一点的版本比较稳定，cuda9.0与cudnn7.05.

载cuda9.0的下载链接:​​cuda9.0​​，本人的下载设置见下图,之后点击下载，顺便把相应的补丁也下载下来，需要注意的是CUDA包括了CPU计算库和显卡驱动，因此在安装的时候不要重复安装显卡驱动，不然前面装了那么久GTX1060显卡驱动就白装了啊。

安装依赖的相关的包:

sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev

设置可执行权限

1 sudo chmod a+x cuda_9.0.176_384.81_linux.run
2 ./cuda_9.0.176_384.81_linux.run  开始安装

在选择是否安装显卡驱动的时候选择no，其余选择yes：

1 The NVIDIA CUDA Toolkit provides command-line and graphical
 2 tools for building, debugging and optimizing the performance
 3 of applications accelerated by NVIDIA GPUs, runtime and math
 4 libraries, and documentation including programming guides,
 5 user manuals, and API references.
 6 
 7 
 8 Default Install Location of CUDA Toolkit
 9 Do you accept the previously read EULA?
10 accept/decline/quit: accept
11 
12 You are attempting to install on an unsupported configuration. Do you wish to continue?
13 (y)es/(n)o [ default is no ]: y
14 
15 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
16 (y)es/(n)o/(q)uit: n
17 
18 Install the CUDA 9.0 Toolkit?
19 (y)es/(n)o/(q)uit: y
20 
21 Enter Toolkit Location
22  [ default is /usr/local/cuda-9.0 ]: 
23 
24 Do you want to install a symbolic link at /usr/local/cuda?
25 (y)es/(n)o/(q)uit: y
26 
27 Install the CUDA 9.0 Samples?
28 (y)es/(n)o/(q)uit: y
29 
30 Enter CUDA Samples Location
31  [ default is /home/zhuang ]: 
32 
33 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...
34 Installing the CUDA Samples in /home/zhuang ...
35 Copying samples to /home/zhuang/NVIDIA_CUDA-9.0_Samples now...
36 Finished copying samples.
37 
38 ===========
39 = Summary =
40 ===========
41 
42 Driver:   Not Selected
43 Toolkit:  Installed in /usr/local/cuda-9.0
44 Samples:  Installed in /home/zhuang
45 
46 Please make sure that
47  -   PATH includes /usr/local/cuda-9.0/bin
48  -   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root
49 
50 To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin
51 
52 Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.
53 
54 ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
55 To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
56     sudo <CudaInstaller>.run -silent -driver
57 
58 Logfile is /tmp/cuda_install_7476.log
59 Signal caught, cleaning up

修改环境变量:

vim ~/.bashrc    //添加2,3行内容
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc  //使能环境变量

安装cuda_9.0.176.1_linux.run补丁包:

1 sudo sh cuda_9.0.176.1_linux.run
 2 安装过程如下：
 3 
 4 Default Install Location of CUDA Toolkit
 5 Do you accept the previously read EULA?
 6 accept/decline/quit: accept
 7 
 8 Enter CUDA Toolkit installation directory
 9  [ default is /usr/local/cuda-9.0 ]: 
10 
11 Installation complete!
12 Installation directory: /usr/local/cuda-9.0
13 
14 Signal caught, cleaning up

安装cuda_9.0.176.2_linux.run补丁包

1  sudo sh cuda_9.0.176.2_linux.run
 2 安装过程如下:
 3 Default Install Location of CUDA Toolkit
 4 Do you accept the previously read EULA?
 5 accept/decline/quit: accept
 6 
 7 Enter CUDA Toolkit installation directory
 8  [ default is /usr/local/cuda-9.0 ]: 
 9 
10 Installation complete!
11 Installation directory: /usr/local/cuda-9.0
12 
13 Signal caught, cleaning up

安装cuda_9.0.176.3_linux.run补丁包：

1 sudo sh cuda_9.0.176.3_linux.run
 2 安装过程如下
 3 Default Install Location of CUDA Toolkit
 4 Do you accept the previously read EULA?
 5 accept/decline/quit: accept
 6 
 7 Enter CUDA Toolkit installation directory
 8  [ default is /usr/local/cuda-9.0 ]: 
 9 
10 Installation complete!
11 Installation directory: /usr/local/cuda-9.0
12 
13 Signal caught, cleaning up

安装cuda_9.0.176.4_linux.run补丁包:

1 sudo sh cuda_9.0.176.4_linux.run
 2 安装过程如下:
 3 Default Install Location of CUDA Toolkit
 4 Do you accept the previously read EULA?
 5 accept/decline/quit: accept
 6 
 7 Enter CUDA Toolkit installation directory
 8  [ default is /usr/local/cuda-9.0 ]: 
 9 
10 Installation complete!
11 Installation directory: /usr/local/cuda-9.0
12 
13 Signal caught, cleaning up

执行nvcc -V看看是否安装成功.

1 ~/NVIDIA_CUDA-9.0_Samples            //进入cuda的测试demo
2 make clean                           //gcc 一定要降级到6或6.0以下，不能用最新版本的7.3                       
3 make -j4                             //开始编译

编译完成没有出错：

运行编译的测试，看下面的测试结果基本没问题，现在基本搞定cuda9.0的安装:

1 1_Utilities/deviceQuery
2 ./deviceQuery

四、安装cudnn7.05

下载链接:​​https://developer.nvidia.com/rdp/cudnn-archive​​下载cudnn7.0.5需要注册一个NIVDIA账号.下载设置见图，会得到 cudnn-9.0-linux-x64-v7.tgz这个文件.

解压：

tar -xvf cudnn-9.0-linux-x64-v7.tgz

拷贝相关的库文件:

1 sudo cp include/cudnn.h /usr/local/cuda/include/
2 sudo cp lib64/libcudnn* /usr/local/cuda/lib64/
3 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

删除文件原来的l链接:

1 cd /usr/local/cuda/lib64
2 sudo rm libcudnn.so libcudnn.so.7              //删除原来的链接
3 sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7     //生成新的链接
4 sudo ln -s libcudnn.so.7 libcudnn.so
5 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
6 sudo ldconfig

方法二:上述的方法的虽然可以安装cudnn但是，却不知道怎么测试cudnn是否安装成功，安装deb包有相关的测试demo：

下载下图的这三个文件：

安装deb包：

拷贝测试demo：

1 cp /usr/src/cudnn_samples_v7/ ~ -raf    //拷贝到home目录
2 cd ~/cudnn_samples_v7/mnistCUDNN        //进入相关测试项目
3 make clean && make                     //编译
4 ./mnistCUDNN                             //运行测试

sudo dpkg --contents libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb  //用于查看安装包安装的信息

若运行出错则根据出错信息拷贝相关的库文件：

1 sudo cp /usr/local/cuda-9.0/lib64/libcudart.so.9.0 /usr/local/lib/libcudart.so.9.0 && sudo ldconfig
2 sudo cp /usr/local/cuda-9.0/lib64/libcublas.so.9.0  /usr/local/lib/libcublas.so.9.0 && sudo ldconfig

看下图测试成功: 

 五、安装tensorflow

官网给出了安装tensorflow的几种方法，大家可以根据自己需求用相应的方法安装：​​https://www.tensorflow.org/install/install_linux#tensorflow_gpu_support​​

我们采用pip的方式安装tensorflow，在安装之前先更新一下pip的源:

1 vim ~/.pip/pip.conf
2 //写入一下内容
3 [global]
4 trusted-host=mirrors.aliyun.com
5 index-url=http://mirrors.aliyun.com/pypi/simple/


6 pip install django   //测试安装的速度

升级pip到最新版本:

1 sudo apt-get install python-pip python-dev

安装命令:

1  pip install tensorflow-gpu==1.7

卸载命令:

1 sudo pip uninstall tensorflow-gpu

tensorflow的helloworld代码：

1 import tensorflow as tf
2 hello = tf.constant('Hello, TensorFlow!')
3 sess = tf.Session()
4 print(sess.run(hello))

输出结果

六、添加keras的安装

1 pip install keras

弄到这里深度学习的环境终于搭建好啦，好久没有打王者了，打两局李白庆祝一下。

 觉得不错，就给我点小支持吧，蟹蟹