Win10下双系统Ubuntu14.04+GTX1070+CUDAcuDNN+Tensorflow环境搭建
先說機器配置：
CPU：Intel Xeon E3-1230 v5 skylake平臺（此CPU無核顯）
主板：ASUS E3 Pro Gaming v5
RAM：8G
GPU：ASUS STRIX-GTX1070 O8GB
存儲：1個128G SSD + 1個 1T 機械硬盤 都是GPT分區(qū)
為什么先說機器配置呢？因為在安裝Ubuntu過程中這個相當重要，在網(wǎng)上找到的教程中，大多數(shù)是在筆記本電腦或者比較舊的電腦上安裝。如果你的機器是這一兩年內的新配置（一般都是UEFI+GPT），本教程應該會相對實用。不過，還是要先了解自己的機器是傳統(tǒng)的BIOS+MBR還是新的UEFI+GPT，相關內容可以看這里（關鍵是看看BIOS和UEFI長什么樣子）。而自己機器分區(qū)表是MBR還是GPT，在Win10下也可通過Win+X進入“磁盤管理”查看。我的機器是UEFI+GPT的，環(huán)境搭建也是以此為基礎。
1 Ubuntu安裝
1.1 Win10下的磁盤分區(qū)
考慮到雙系統(tǒng)的共存，需要在磁盤中為Ubuntu系統(tǒng)劃分空間。Win10下，通過Win+X進入磁盤管理查看分區(qū)，由于我的機器的128G SSD作為Win10系統(tǒng)C盤，所以我在仍有較大空間的D盤（機械硬盤）中為Ubuntu系統(tǒng)劃分100GB，步驟：在新加卷D:上右鍵->壓縮卷->填寫劃分的空間->壓縮->完成。此時可以看到在D盤下劃分了一個未分配的100GB空間：需要注意的是 ，無需對這100GB未分配空間改動，讓它保持 未分配就好。
1.2 Win10下的設置
這里主要是要禁用快速啟動，因為快速啟動會阻礙Ubuntu系統(tǒng)的掛載。
Win+X進入電源選項->選擇電源按鈕的功能->更改當前不可用的設置->將“啟用快速啟動”的選項去掉->保存修改。
1.3 UEFI下的設置
這里首先要重啟，華碩主板按Delete或者F2進入UEFI界面。1.3.1 UEFI禁用Fast Boot
進入UEFI后，按F7進入Advanced Mode，在Boot菜單下，將Fast Boot改為Disable。
1.3.2 UEFI更改CSM（重中之重）
在Fast Boot下面，可以看到CSM（Compatibility Support Module），這是主板可以兼容傳統(tǒng)BIOS和新UEFI引導的模塊，點入去將Boot Device Control 更改為UEFI only。
這里Legacy OPROM就是傳統(tǒng)BIOS引導，有人可能會問，為什么不保留初始的UEFI and?Legacy OPROM，就可以兼容兩種模式了？經(jīng)過我的試驗，即多次安裝Ubuntu過程中，發(fā)現(xiàn)使用純UEFI引導的安裝更容易成功，特別在Ubuntu系統(tǒng)內的分區(qū)中（后面會提到）會更妥當。
1.3.3 UEFI禁用Secure Boot（自行選擇）
CSM下方的Secure Boot，點進去會看到Secure Boot的選項是灰色無法更改的。關于Secure Boot的問題，可以參考這里和這里。
但是當我將各種Key備份好，準備Delete?Platform Key (PK)時，我發(fā)現(xiàn)這樣會導致Win10系統(tǒng)重置，所以我并未執(zhí)行此步，在后面步驟也正常，讀者可自行選擇是否執(zhí)行此步。
1.4 制作Ubuntu的U盤啟動盤
網(wǎng)上大多數(shù)教程都會采用UltraISO，這里我用的是 Rufus。從官網(wǎng)下載好ubuntu-14.04.5-desktop-amd64.iso后，利用Rufus刻錄。注意，一定要在“分區(qū)方案和目標系統(tǒng)類型”中選擇->“用于UEFI計算機的GPT分區(qū)方案”。
1.5 開始安裝
重啟，華碩主板按Delete或者F2進入UEFI界面，選擇帶UEFI字樣的U盤啟動。進入GNU GRUB后，選擇Install Ubuntu。
后面的安裝有圖形界面引導，需要說明的是安裝方式及分區(qū)。由于要安裝雙系統(tǒng)，在安裝方式里一定要選擇“其它選項（Something else）”。
進入分區(qū)后，根據(jù)剛才在Win10下劃分的未分配100GB，可以在當前安裝界面中的分區(qū)表找到一個107876MB左右的空閑區(qū)域，選中，點擊左側“+”進行分區(qū)，共分三個區(qū)如下：
1. 300MB->邏輯分區(qū)->空間起始位置->EFI引導分區(qū)（EFI boot partition） ；
2. 8192MB->主分區(qū)->空間起始位置->交換空間（swap area）；
3. 剩余所有空間->主分區(qū)->空間起始位置->Ext4日志文件系統(tǒng)（Ext4 journaling file system）->掛載點為“/”。
分區(qū)完成后，下面要選擇“安裝啟動引導器的設備”，這里選擇分區(qū)表中EFI引導分區(qū)（300MB）所在的設備，這個設備是分區(qū)表中的第一列，你可以在那里看到剛剛分的各個區(qū)所在的“設備”（實際上都在同一個硬盤上，但由于虛擬磁盤管理，不同的分區(qū)在不同“設備”上）。我的EFI引導分區(qū)在“dev/sdb3”上，那么“安裝啟動引導器的設備”就相應選擇“dev/sdb3”。分區(qū)過程圖可以看這里。
注意：
1.?交換空間的大小是根據(jù)機器本身的內存RAM大小決定的，可以根據(jù)實際情況分配。
2.?“安裝啟動引導器的設備”這里的“dev/”后面接的無論是“sda”還是“sdb”，選擇EFI引導分區(qū)對應的設備即可。順帶解釋一下“dev/sda”、“dev/sdb”的問題，這是在有兩塊不同的物理硬盤才會顯示，如果只有一塊硬盤的話，當然只能看見“dev/sda”了。
接下來的地區(qū)選擇、鍵盤布局、用戶名及密碼相對常規(guī)，可以自行設置。
1.6 安裝過程中可能出現(xiàn)的情況
這里可能出現(xiàn)的情況可以看我在這里的描述。最初在UEFI的CSM中一直選擇UEFI and Legacy OPROM的兼容模式，經(jīng)常在分區(qū)的安裝步驟前后，不是無法掃描分區(qū)表（進入分區(qū)表時一片空白）導致無法分區(qū)，就是分區(qū)完成后安裝程序突然崩潰。最后選擇UEFI only后，安裝才正常進行。
回顧一下。
這里有個印象十分深刻，就是當時也嘗試過Legacy OPROM only的模式進行安裝，在分區(qū)選項中是沒有EFI引導分區(qū)這一選項的，只有“保留的 BIOS 啟動區(qū)域”選項（在UEFI only的模式下EFI引導分區(qū)和保留的 BIOS 啟動區(qū)域都有），分區(qū)完成后也正常，但在最后安裝復制文件時報錯，原因應該BIOS安裝往磁盤寫文件時默認磁盤分區(qū)表是MBR，而我的磁盤分區(qū)表是GPT，會導致讀寫出現(xiàn)問題。
另外，在UEFI and Legacy OPROM的兼容模式下安裝，假如分區(qū)步驟未給“保留的 BIOS 啟動區(qū)域”分配空間，安裝程序提醒你要給“保留的 BIOS 啟動區(qū)域”分配至少1MB，實際上這是不需要的，采用UEFI引導的安裝，給EFI引導分區(qū)分配空間就足夠了。
所以，再次要提醒，在UEFI的CSM中一定要選擇UEFI only，避免兼容問題。
One more thing. 有時安裝在分區(qū)完成后，安裝程序也可能崩潰，這時你先重啟退出安裝回到Win10下的磁盤管理，可以看到分區(qū)的確是完成了，你可以選擇將這些分區(qū)右鍵->刪除卷，使其變回未分配狀態(tài)。但是，EFI系統(tǒng)分區(qū)是無法以此方式刪除的，可以選擇DiskGenius進行。然后嘗試安裝Ubuntu。
2 顯卡驅動安裝
可以先去 這里確定顯卡驅動的版本，我的是GTX1070。
安裝完成后，重啟進入Ubuntu系統(tǒng)，Ctrl+Alt+T打開終端。執(zhí)行順序如下：
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-367 sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev sudo reboot顯卡驅動安裝完成重啟進入Ubuntu系統(tǒng)，屏幕分辨率應該顯示正常。
3 CUDA&cuDNN安裝
3.1 CUDA
先到 官網(wǎng)下載Cuda8.0。
下載完成后，打開終端，先進入CUDA安裝程序所在的目錄（cd命令可以跳轉目錄），然后執(zhí)行：
sudo sh cuda_8.0.44_linux.run首先會出現(xiàn)安裝協(xié)議，按Space向下翻，輸入accpet接受協(xié)議，需要注意的是：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.**?(y)es/(n)o/(q)uit: n這里一定要選擇no，否則會導致之前的顯卡驅動被覆蓋。
安裝完成后注意看提示，有問題可以參考這里。（我沒遇到）
在終端配置環(huán)境變量：
nano ~/.bashrc在最后增加以下兩行：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}Ctrl+X 保存并離開，回到終端，讓環(huán)境變量馬上生效：
source ~/.bashrc3.2?cuDNN
先到官網(wǎng)下載cuDNN v5.1，需要先注冊并做問卷調查，下載中選擇cuDNN v5.1 Library for Linux。
下載完成后，打開終端，先進入cuDNN文件所在的目錄（cd命令可以跳轉目錄），然后執(zhí)行：
終端回到根目錄，輸入命令檢查顯卡配置是否正常：
nvidia-smi
4 Tensorflow源碼安裝
4.1 Bazel安裝配置
由于Tensorflow采取源碼安裝的方式，所以需要Bazel進行編譯，官方教程可以看這里。執(zhí)行順序如下：
sudo add-apt-repository ppa:webupd8team/java sudo apt-get update sudo apt-get install oracle-java8-installer echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list curl https://bazel.io/bazel-release.pub.gpg | sudo apt-key add - sudo apt-get update && sudo apt-get install bazel在“curl https://bazel.io/bazel-release.pub.gpg | sudo apt-key add -”步驟中，可能會由于網(wǎng)絡原因下載較慢，可以直接用瀏覽器打開“https://bazel.io/bazel-release.pub.gpg”進行下載，隨后進入該文件目錄執(zhí)行“sudo apt-key add bazel-release.pub.gpg”。
4.2 Tensorflow源碼配置及編譯
在python2.7下，先要安裝環(huán)境依賴包：
sudo apt-get install python-numpy swig python-dev python-wheel python-pip git從github上克隆Tensorflow源碼到本地：
git clone https://github.com/tensorflow/tensorflow切換到最新的r0.11版本（需要先進入保存Tensorflow源碼的目錄）：
git checkout r0.11開始配置（同樣需要先進入保存Tensorflow源碼的目錄）：
./configure Please specify the location of python. [Default is /usr/bin/python]: Do you wish to build TensorFlow with Google Cloud Platform support? [y/N] N No Google Cloud Platform support will be enabled for TensorFlow Do you wish to build TensorFlow with Hadoop File System support? [y/N] N No Hadoop File System support will be enabled for TensorFlow Found possible Python library paths:/usr/local/lib/python2.7/dist-packages/usr/lib/python2.7/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python2.7/dist-packages]/usr/local/lib/python2.7/dist-packages Do you wish to build TensorFlow with GPU support? [y/N] y GPU support will be enabled for TensorFlow Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Please specify the Cuda SDK version you want to use, e.g. 7.0. [Leave empty to use system default]: 8.0 Please specify the location where CUDA 8.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: Please specify the Cudnn version you want to use. [Leave empty to use system default]: 5 Please specify the location where cuDNN 5 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: "3.5,5.2"]: 6.1注意：最后的“6.1”計算能力是根據(jù)自身顯卡決定的，可以到這里查看。
開始配置后，首先會自動下載一些環(huán)境依賴的包，然后開始配置。
另外，在配置這個步驟，很多教程都說“一定要顯示成功，不能出現(xiàn)error”。我的機器在Tensorflow配置時一些環(huán)境依賴的包無法下載，導致后面Bazel編譯出現(xiàn)問題，所以我決定使用別人編譯好的whl安裝Tensorflow。這里有人可能會有疑惑，解釋一下這個Bazel編譯Tensorflow源碼的意義，編譯源碼成功后，是會生成一個“tensorflow-0.11.0rc0-py2-none-any.whl”的文件，然后通過“sudo pip install tensorflow-0.11.0rc0-py2-none-any.whl”安裝才算完成。
這里有人可能又會問，為什么要這么麻煩編譯源碼生成一個whl去安裝呢？的確，在Tensorflow官方安裝教程里的Pip Installation方式，下載支持GPU的whl然后通過pip安裝就行了，步驟如下：
# Ubuntu/Linux 64-bit sudo apt-get install python-pip python-dev # Ubuntu/Linux 64-bit, GPU enabled, Python 2.7 # <strong>Requires CUDA toolkit 7.5 and CuDNN v5. For other versions, see "Install from sources" below.</strong> export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc0-cp27-none-linux_x86_64.whl # Python 2 sudo pip install --upgrade $TF_BINARY_URL可以看到，官方解釋說，這個whl支持的CUDA是7.5版本，而當前CUDA最新版本是8.0才支持10系GPU（也有說法CUDA 7.5也可以支持10系GPU不過需要調整，這個大家自行搜索），因此，通過Bazel編譯Tensorflow源碼生成的whl才可以在安裝后支持10系GPU。
那么回過頭來，別人編譯好的whl安裝Tensorflow，在哪里可以找到呢？可以看這里。在這里要感謝這位博主的分享！
如果你配置成功選擇自行編譯并安裝，可以接下去看4.3；如果想選擇利用別人編譯好的whl安裝Tensorflow，可以跳過4.3從4.4開始。
4.3?編譯Tensorflow源碼并安裝
Tensorflow配置完成后，開始編譯源碼并安裝（注意文件的保存目錄）：
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg sudo pip install /tmp/tensorflow_pkg/tensorflow-0.11.0rc0-py2-none-any.whl至此，整個Tensorflow環(huán)境搭建就已經(jīng)完成，可以跑一下Tensorflow官方的測試代碼。
4.4 使用編譯好的whl安裝Tensorflow
下載whl好后，因為該whl的編譯是在Ubuntu16.04下進行，所以先要將Ubuntu系統(tǒng)升級，這里升級是必須的，如果直接安裝該whl，會報關于“GLib”的錯誤，這是由于編譯環(huán)境造成的。Ubuntu14.04系統(tǒng)升級至Ubuntu16.04命令如下：
sudo update-manager -d一般來說，該命令需要執(zhí)行兩次，因為第一次執(zhí)行，系統(tǒng)會更新當前14.04版本內的軟件，然后重啟后仍然是14.04版本，這時再次執(zhí)行該命令，就會進行Ubuntu16.04升級。
系統(tǒng)升級完成后，終端執(zhí)行安裝（先進入該whl的保存目錄）：
sudo pip install tensorflow-0.11.0rc0-py2-none-any.whl至此，整個Tensorflow環(huán)境搭建就已經(jīng)完成，可以跑一下Tensorflow官方的測試代碼。
4.5 在Pycharm中使用Tensorflow
由于個人習慣在Pycharm中寫Python代碼，下面說說Tensorflow在Pycharm的配置，終端執(zhí)行：
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig sudo cp /usr/local/cuda-8.0/lib64/libcufft.so.8.0 /usr/local/lib/libcufft.so.8.0 && sudo ldconfig sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.5 /usr/local/lib/libcudnn.so.5 && sudo ldconfig然后以運行/tensorflow/models/image/mnist/convolutional.py為例，顯示下圖說明Tensorflow以GPU的方式運行代碼：
參考教程：
http://jingyan.baidu.com/article/e3c78d6460e6893c4c85f5b1.html
http://www.tensordata.cn/t/ubuntu16-0-4-tensorflow0-11/63
?
總結
以上是生活随笔為你收集整理的Win10下双系统Ubuntu14.04+GTX1070+CUDAcuDNN+Tensorflow环境搭建的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： java多线程学习笔记。
- 下一篇： Ubuntu 16.04 parted