寫在前面的話

已經煉了幾個月的丹了，雖然還沒有從入門到臥室，但也從一無所知到現在有所了解了。回想起從零開始學習深度學習時，最令我頭痛的不是數學公式，也不是神經網絡結構，而是配置深度學習的電腦環境，網上的這方面的教程還是很多的，比如七月在線的這篇，雖然很多人對這個AI教育機構持懷疑態度，但這篇博文還是很不錯的。

我之所以寫這篇文章是因為幾天前，跑代碼時發現TensorFlow不工作了，正常的工作狀態應該是運行時會出現這樣一句話：TensorFlow運行時提示信息

然而沒有出現，并且電腦卡死機了，我就猜測沒有用到GPU，而是在用CPU，于是我決定卸載了已經安裝的TensorFlow(已經無法使用，不知什么原因)，再重新安裝，然后發現TensorFlow已經更新到了1.6版本，相對應的依賴庫也都更新了......再后來就有了這篇文章。

正文關于我的電腦

我的電腦配置是NVIDIA GTX 1080顯卡，因特爾 i7-8700k，16G內存，Ubuntu 16.04操作系統，系統自帶Python 2.7.12(除此之外，我還用Anaconda安裝了一個Python 2.7.13和一個Python 3.6.2)，在此次更新之前，在Python 2.7.12下安裝了TensorFlow 1.3，CUDA 8.0，以及cuDNN 6.0。關于本機我裝的三個版本的PythonUbuntu系統安裝，顯卡驅動安裝

因為我這次只是重裝了TensoFlow，所以安裝Ubuntu系統，安裝顯卡驅動就不再贅述啦，教程也比較多，可以看看上面我提到的七月在線的這篇博文。我是在卸載了已有的TensorFlow后，發現最新的TensorFlow版本支持CUDA 9.0，而CUDA這個版本需要最新的顯卡驅動，所以我就更新了顯卡驅動，具體操作是在Ubuntu系統左端的菜單欄找到System Settings，然后選下方的Software & Updates，再點擊上方的Additional Drivers，你就會看到NVIDIA Corporation，找一個最高的version，選中再點Apply Changes，靜候升級就好啦。系統更新顯卡驅動步驟

打開Terminal(終端，可使用 Ctrl+Alt+T 的快捷鍵組合)，輸入以下代碼，查看顯卡信息，其中 1 代表每 1s 刷新一次數據。

yn@yn419:~$ watch -n 1 nvidia-smi顯卡信息

可見本電腦顯卡驅動版本為 390.25， 顯卡型號為 GeForce GTX 1080， 包括顯存，利用率等信息。

當然也可前往NVIDIA官網下載對應顯卡版本的驅動。CUDA 9.0 下載與安裝

先去NVIDIA網站選擇CUDA Toolkit9.0(Sept 2017)，按自己系統版本選擇如下， 最后點擊 Download(1.6 GB)。CUDA Web

文件比較大，下載完成后會在系統的Downloads目錄里出現，文件名字是cuda_9.0.176_384.81_linux.run，打開一個終端，cd到此.run文件所在的路徑下，或者直接在此文件所在的目錄里文件夾里右鍵鼠標，然后選Open in Terminal即可，接著運行以下代碼：

yn@yn419:~/Downloads$ sudo sh cuda_9.0.176_384.81_linux.run

可能會出現一個類似使用說明的東西，一直點回車看完就行了，然后會出現一些選項問題，除了Install NVIDIA Accelerated Graphics Driver for linux(因為已經提前安裝了顯卡驅動，所以這里選擇不安裝)?選擇n(no)以外，其他的都選y(yes)就行了，安裝結束后，我們要開始添加環境變量了，首先隨便打開一個終端，執行以下代碼打開環境變量：

yn@yn419:~$ sudo gedit ~/.bashrc(or .profile)

在 .bashrc 文件末尾處加上CUDA 9.0的環境變量，如下代碼：

export PATH=/usr/local/cuda-9.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

千萬別忘了點擊右上角的Save(保存)按鍵，不然環境變量可沒設置成功，接下來就試試看CUDA 9.0 是否安裝成功了吧，打開終端，先cd 到 下面的目錄，再執行 sudo make，接著執行 ./deviceQuery，代碼如下：

yn@yn419:~$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

yn@yn419:/usr/local/cuda-9.0/samples/1_Utilities/deviceQuery$ sudo make

yn@yn419:/usr/local/cuda-9.0/samples/1_Utilities/deviceQuery$ ./deviceQuery

然后你就會看到，這就說明，你的CUDA 9.0安裝成功，且環境變量也配置完成了。cuDNN 7.0 下載與安裝

先去NVIDIA網站下載cuDNN，這個比較麻煩一點，需要先注冊一個賬號，然后會讓你做一個類似于調查問卷的東西，之后才能下載，記得要先勾選那個I Agree，然后如下圖所選版本下載即可。

然后會彈出對應各個系統的版本，然后如下圖所選，進行下載。

下載完成后，在系統Downloads目錄下會出現一個cuDNN的壓縮文件，名字是cudnn-9.0-linux-x64-v7.tgz，然后解壓此文件，具體操作可以是右鍵點擊文件，選擇Extract Here(在此解壓)，解壓完成后，進行如下代碼操作。

yn@yn419:~$ sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include

yn@yn419:~$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64

yn@yn419:~$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

這樣我們就完成了cuDNN 7.0 的安裝。TensorFlow 安裝

你可能會問為什么我非要安裝CUDA 9.0，cuDNN 7.0 呢，因為TensorFlow的官網就是這樣要求的，經過上面的幾步，這些我們都已經安裝了，所以可以安心地安裝TensorFlow了。

TensorFlow的官網提供了以下5種安裝方式，但我推薦大家使用 pip 進行安裝。

隨便打開一個終端，運行代碼，注意是選擇Python 2.7 且 GPU Support的。

yn@yn419:~$ pip install tensorflow-gpu

如果安裝失敗，可以嘗試用以下方式進行安裝，代碼如下：

yn@yn419:~$ sudo pip install --upgrade tfBinaryURL

yn@yn419:~$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp27-none-linux_x86_64.whl

不同版本的URL值(也就是最后一句的那個網址)可以在這里找到，執行完代碼靜靜等待安裝就行了，如果還是不成功，那只能嘗試其他的4種方法了。

完結撒花

到這里我們就配置好了基于Ubuntu 16.04(雖然我也沒教你怎么安裝)，Python 2.7 (系統自帶的，跟我也沒啥關系)，CUDA 9.0 ，cuDNN 7.0 ，TensorFlow 1.6 的深度學習環境了，回頭看看是不是很簡單呢，我們來import 一下 TensorFlow試一試：

沒有什么問題，這個警告我也查過，是沒有問題的，看樣子是成功了呢，我平時寫代碼都用的pycharm，那我們用pycharm再觀察一下，Python2.7 下確實安上了 TensorFlow 1.6呢，大功告成！

深度學習的框架還有很多，目前我也只用過TensorFlow和pyTorch，這里必須吐槽一下，相對于TensorFlow，pyTorch的安裝簡直太簡單了。

最后一哆嗦

謝謝各位丹友的耐心閱讀，祝大家在煉丹的路上一帆風順，早日煉出各種靈丹妙藥修得正果

補充

根據我同學 張ZY的問題反饋, 在.bashrc中配置過 CUDA 9.0 的環境變量后, 使用終端調出 Python , 然后 import tensorflow 不會報錯, 但在 Pycharm 這個 IDE 里就會報錯, 報錯內容大致為 :

‘ImportError: libcudart.so.9: cannot open shared object file: No such file or directory’

起初認為是他沒有在 Pycharm 里給工程配置解釋器, 嘗試進行如下操作:

在 Pycharm 里 File -> Settings -> Project: (你的工程名) -> Project Interpreter , 然后給你對應的工程選擇安裝了 Tensorflow 的 Python 版本

結果好像沒什么用, 后來張同學在網上找到了解決方案, 簡而言之就是沒有給 Pycharm 配置 CUDA 的環境變量, 具體操作是找到 Pycharm 安裝目錄, 然后打開 bin 目錄, 找到目錄下的

pycharm.sh 文件, 右鍵 open with 選 gedit

然后找到這一句

LD_LIBRARY_PATH="$IDE_BIN_HOME:$LD_LIBRARY_PATH" "$JAVA_BIN"

我的在第207行, 然后在前邊加上下邊這句 CUDA 的環境變量

LD_LIBRARY_PATH='/usr/local/cuda/lib64'

別忘了右上角的保存, 然后問題就解決了, 又可以完結撒花了~

補充 2.0 (更新于 2018.6.20)

昨天有幸得到了一臺服務器的使用權限, 服務器上除了裝了顯卡驅動, CUDA9.0 和 cuDNN7.0以外, 其他的深度學習框架都沒有安裝, 我在安裝TensorFlow過程中發現無法安裝,嘗試了很多種方法都不奏效, 最終發現問題出在了系統的版本上, 服務器的系統版本是64位的Ubuntu14.04,

致謝

感謝張ZY同學的問題以及解決方案, 真的是活到老學到老呢

總結

以上是生活随笔為你收集整理的python2.7安装tensorflowgpu_Ubuntu16.04+Python2.7+CUDA9.0+cuDNN7.0+TensorFlow 1.6 安装随笔的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。