本文最后更新于：14 天前

系统：Ubuntu 16.04。显卡：GTX 1050，独显无集成显卡。

Ubuntu TensorFlow-CPU安装

最简单的方法使用 pip 来安装 

# Python 2.7
pip install --upgrade tensorflow
# Python 3.x
pip3 install --upgrade tensorflow

image

安装出错，或者下载速度慢，可以采用离线安装的方式

离线安装包下载地址：https://pypi.org/project/tensorflow/

然后进入安装包路径：

# Python 2.7
pip install tensorflow-1.10.0-cp27-cp27mu-manylinux1_x86_64.whl 
# Python 3.x
pip3 install tensorflow-1.10.0-cp35-cp35m-manylinux1_x86_64.whl

image

然后等待，安装成功。

image

验证安装

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

看到如下的输出，表示安装正确。 

Hello, TensorFlow!

image

Ubuntu TensorFlow-GPU安装

如果你的电脑的GPU支持CUDA，那么你就可以使用GPU加速了

检查自己的GPU是否是CUDA-capable

lspci | grep -i nvidia

image

查看你的电脑GPU是否支持CUDA:https://developer.nvidia.com/cuda-gpus

image

安装NVIDIA驱动

  • System Setting–>software&Updates–>Additional Drives，然后选择NVIDIA驱动

    image

  • 安装成功–重启电脑

查看是否安装成功

nvidia-smi

image

出现这个页面就表示安装成功了。

安装CUDA

查询电脑的版本号：

nvidia-smi

image

对应版本号去下载对应的CUDA安装包

image

由上图可以看出，我这台演示电脑的

  • 版本驱动号：384.130
  • 对应版本：CUDA：8.0

所以我们对应的CUDA的下载版本就是8.0，注意我下载的是runfile，下载网站：https://developer.nvidia.com/cuda-toolkit-archive

image

安装说明

进入安装包的路径执行以下命令（注意版本号）

sudo sh cuda_8.0.61_375.26_linux.run

按照命令行提示 在安装过程中会询问是否安装显卡驱动，由于我们在第一步中已经安装，所以我们选择否（不安装）

image

然后等待，安装完成。

安装完成后可能会有警告，提示samplees缺少必要的包：

image

原因是缺少相关的依赖库,安装相应库就解决了： 

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

image

配置环境变量

打开shell运行： gedit ~/.bashrc

加入如下内容： 

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

立即生效，运行source ~/.bashrc

测试是否安装成功

  • 查看CUDA版本:nvcc -V
seven@seven:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61
  1. 编译 CUDA Samples
    进入samples的安装目录
    我们选择其中一个进行编译验证下如：

image

如果没有报错，则安装完成

安装cuDNN

同样，根据我们的驱动程序版本号：我们下载的对应版本：

  • 版本驱动号：384.130
  • 对应版本：CUDA：8.0
  • 对应版本：cuDNN: v6.0

下载网址：https://developer.nvidia.com/rdp/cudnn-archive

image

安装说明

  • 解压下载好的安装包以后会出现cuda的目录，进入该目录 执行以下命令
cd ~
tar -zxf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/

安装完成

至此，CUDA与cuDNN已经安装完成

安装 TensorFlow-GPU

备注：我用的是cuda 8.0和cudnn6.0 所以TensorFlow的版本应该是1.4。

最简单的方式是使用pip安装：

# Python 2.7
pip install --upgrade tensorflow-gpu==1.4
# Python 3.x
pip3 install --upgrade tensorflow-gpu==1.4

如果你网速很慢的话，你可以选择离线安装。

下载所需的离线包：https://github.com/tensorflow/tensorflow/tags

打开终端，进入你保存文件的目录，使用命令

pip3 install tensorflow_gpu-1.4.0-cp35-cp35m-manylinux1_x86_64.whl

然后等待，直至安装成功。

image

验证安装

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

看到如下的输出，表示安装正确。

image

Hello, TensorFlow!