這次deepin15.7大更新，特別是深度學習環境搭建屢屢失敗，很是惱火。本次按照下面的步驟做成功了，以下是deepin15.7下安裝tensorflow+cuda9.0+cudnn7的全部流程。

硬件

1.神舟戰神z7-kp7s1，雙顯卡雙硬盤

2.獨顯是gtx1060 6G

系統安裝

1.下載deepin15.7，做成u盤啟動盤，可以參考U盤安裝深度操作系統(Deepin)的方法

2.神舟不好裝系統，為了安裝系統少折騰，關閉Uefi，磁盤分區都從gpt轉mbr

3.開機f2，第二菜單的第一個，關閉掉核顯卡(很重要)，具體是什么不記得了，沒截圖

4.保持好設置，再次開機，按f7，選擇u盤啟動

5.剩下的是裝系統過程，隨意弄，分區那里注意一些即可，請參與上方的U盤安裝深度操作系統(Deepin)的方法鏈接

初入系統設置

1.先設置好源，最好不用默認的，這段時間更新的人有點多，我選擇中科院的源，速度不錯

2.更細系統，然后重啟

安裝顯卡驅動

1.查看顯卡信息

lspci ?| grep -i vga

我的是GeForce GTX 1060

2.去官方網站查詢和下載驅動

3.禁用nouveau驅動(這步不知道我生效了沒，因為我已經在bios禁用了)

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

填入：

blacklist nouveau

options nouveau modeset=0

執行如下后，重啟電腦：

sudo update-initramfs -u

重啟后，輸入如下，如果沒有信息出來就表明禁用成功：

lsmod | grep nouveau

4.安裝顯卡驅動

先關閉圖像界面

ctrl+alt+f2切換一下，輸入命令關閉圖像界面：

sudo service lightdm stop

cd 到顯卡驅動所放目錄：

sudo chmod a+x NVIDIA-Linux-x86_64-390.77.run

sudo ./NVIDIA-Linux-x86_64-390.77.run

安裝過程中，我是除了大寫的D什么M和是否支持32位是否，其它的都是確定的。

安裝好后重啟電腦，開機后輸入：

nvidia-smi

如圖所示即可，之前用系統自帶的驅動管理器安裝是沒這個的。

安裝cuda9.0

進入cuda9和cudnn7安裝包的目錄

1.安裝cuda9

sudo ./cuda_9.0.176_384.81_linux.run

先按q直接跳過閱讀協議，然后accept，后面的除了Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?這樣的選n,其它的有y選y，或者直接回車默認，

2.檢查一下環境變量

gedit ~/.bashr

末尾添加：

#cuda

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

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

然后source ~/.bashrc一下。

驗證安裝

重新打開一個終端：

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

有PASS則表示成功：

安裝cudnn7

先解壓安裝包，后復制到cuda目錄：

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

cd cuda

sudo cp -P lib64/* /usr/local/cuda/lib64/

sudo cp -P include/* /usr/local/cuda/include/

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

同樣的，添加到環境變量，內容如下：

#cudnn

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

export CUDA_HOME=/usr/local/cuda

安裝Anaconda

先去這里下載Anaconda。

復制好下載鏈接，然后wget下載 并安裝,安裝過程中默認或者y就行了。

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh

sudo chmod a+x ./Anaconda3-5.2.0-Linux-x86_64.sh

./Anaconda3-5.2.0-Linux-x86_64.sh

source ~/.bashrc

更換國內源

1.pip國內源

cd ~

mkdir .pip

cd .pip

vim pip.conf

pip.conf填入：

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

2.conda國內源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

安裝tensorflow-gpu

conda create -n tensorflow35 python=3.5

source activate tensorflow35

pip install tensorflow-gpu

pip install keras

驗證tensorflow

gedit test.py

填入如下：

import tensorflow as tf

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

sess = tf.Session()

print(sess.run(hello))

a = tf.constant(10)

b = tf.constant(32)

print(sess.run(a+b))

成功打印出Hello, TensorFlow!和42：

相關主題

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的linux上验证cudnn是否安装成功_deepin15.7中安装tensorflow+cuda9.0+cudnn7的步骤的全部內容，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。