ubuntu 是剛剛安裝好的16.04  因為tensorfow 的官網要求：（在安裝之前最好先看看tensorflow官網上對安裝的環境要求，系統版本、顯示卡計算能力、cuda和cudnn的版本，下面使用的都是目前符合tensorflow官網的要求版本）

這裡先用cuda9.1 裝好之後不能使用，還是裝回了cuda9.0.所以

一定要按照tensorflow官網上面的要求（目前的要求是cuda9.0 和cudnn7.0）

下面截圖圖片中可能有cuda9.1的，但請使用cuda9.0版本

1、

安裝顯示卡驅動

電腦配置了兩塊泰坦顯示卡，安裝方法主要有三種：

• 系統設定安裝 （這裡只使用系統的自動更新）
• 安裝CUDA時順便安裝

開啟系統的軟體升級中心中的額外頁如下：

重啟之後開啟終端，輸入：nvidia-smi   輸出CPU的資訊列表，表示驅動安裝成功（可以看到我裝的電腦上是有兩塊TITAN 顯示卡）

關於手動下載驅動的安裝上一次安裝的時候也嘗試了一下，可以參考https://zhuanlan.zhihu.com/p/27168325 這篇知乎教程，相對麻煩一點，但是不用重啟電腦就是，還有就是下載驅動的時候要下載對應的版本

安裝cuda

1、cuda可以在nivida官方網站上下載：

選擇好對應的系統和下載的檔案格式：（這裡使用runfile的安裝方式）

（tips：使用的是迅雷下載，可以很快把1.6G的檔案下載下來，再拷貝到ubuntu系統上，檔名：cuda_9.1.85_387.26_linux.run）

然後下面就是檢查一下很多其它教程提及到的gcc的版本問題了，有時間的話可以去看看cuda9.1的官方安裝教程 有一張表可以看到如下：

可以看到9.1要求的ubuntu16.04的gcc是5.3.1 然後16.04 開啟終端輸入 gcc -v 可以看到gcc是5.4.0 但是親測是沒有問題的，所以不用降級（有的教程裡面會提到降級）

接下來就是安裝cuda的runfile檔案了：(檔名改成對應的檔名）然後輸入密碼

安裝Cuda的時候，需要關閉X服務。

sudo service lightdm stop

這時，系統會出現黑屏。此時，同時按住[CTRL + ALT + F1]三個鍵進入命令列模式（如果不能進入命令列模式，

然後cd 到cuda的目錄下然後按照下面的命令執行

sudo sh cuda_9.1.85_387.26_linux.run

然後根據（一直按住回車鍵可以一直刷到底部）（也可以點空格可以更快的刷到底部）

然後就是出現各種是否同意的的選項，這裡特別注意第二項選擇 第二項就是上面提到的在cuda安裝的時候安裝驅動，但是這裡的驅動一般會比之前安裝的舊一般選擇NO：然後後面有一個Xconfiguration 選項也要記得選no

其它的選項就是都是yes就可以（可以看看都是幹什麼的）然後就是安裝路徑問題（後面新增路徑會用到）預設的cuda安裝在 /usr/local/cuda-9.1 ,這裡就使用預設的路徑：

都安裝完後：可以恢復到圖形介面模式，

sudo service lightdm start

下面就是要把cuda的路徑新增到系統的環境變數當中：（下面是tensorflow官網上面的安裝要求，所以有必要先讀一遍，不長）

新增路徑的方法有很多方法，但是要注意環境變數的作用域問題，下面是新增永久環境變數，而且只是針對當前的使用者修改（環境變數有很多坑，要小心，詳細的環境變數介紹可以看這裡）

sudo gedit ~/.bashrc

在開啟的profile 文末中寫入(上面提及的採用預設的路徑下）

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

關閉profile檔案， 在終端中輸入：

source ~/.bashrc

下面截圖中“%PATH”打錯了，害得我路徑都沒有了，所以一定要仔細一點（再次提醒請用cuda9.0）

配置成功後再輸入 nvidia-smi 有如下的GPU資訊：

安裝cuDNN

cuDNN 可以在官網上下載，但是需要註冊一下官網的賬號才能下載，根據需要選擇，目前tensorflow官網上的安裝要求是cudnn7.0 我就選擇如下的：libcudnn7_7.0.5.15-1+cuda9.1_amd64.deb （檔名）

為了方便沒有賬號的同學，我上傳到csdn上了，需要的可以下載

根據你下載的檔案和具體的格式不同，可以參考官網上的安裝方法，這裡把主要的截圖如下：

所以我們這裡的方法如下：（就是正常的deb的安裝方式，最方便了）。

官網上面還有cudnn正確安裝的測試方法，可以敲一下：（我沒有找到samples，所以就沒有敲了）

安裝tensorflow

至此，cuda和cudnn都安裝好了，下面就是開始安裝tensorflow。根據官網上面的教程先安裝一個libcupti-dev

這裡有一點問題，cuda-command-line 我這提示“無法定位到源",所以無法安裝，我就裝了最後的一個（結果也好像也沒有什麼問題）

官網上有幾種安裝方式：

下面的安裝就選擇了最方便的 Anaconda 的方式：

1、關於anaconda的安裝就更加簡單了，在官網上下載linux下的安裝檔案，然後終端安裝，一步到位

（Anaconda2-5.1.0-Linux-x86_64.sh）這是我下載sh文件名對應python2.7的

2、建立tensorflow 環境，然後啟用環境

  終端輸入：

conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

$ source activate tensorflow  #每次使用的時候都是通過這個命令進入tensorfow的環境的

3、新增清華大學的Anaconda映象源：在終端輸入如下命令：

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

（tensorflow官網的安裝程式是從google storage上去下載的，國內無法連線）

4、安裝tensorflow

這裡可以指定想要安裝的版本，我這裡就沒有指定，直接安裝最新的tensorflowGPU版本

pip instlall tensorflow-gpu

如果想要指定的版本，按如下的方式，並且把（注意python的版本的cpu和GPU的版本）

storage.googleapis.com   替換成  mirrors.tuna.tsinghua.edu.cn

(tensorflow)$ pip3 install --upgrade \
 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl

至此，GPU版本的tensorflow 都安裝完成了，最後再檢驗一下tensorflow是否可以用GPU 使用如下的程式碼

from tensorflow.python.client import device_lib as _device_lib
local_device_protos = _device_lib.list_local_devices()
print [x.name for x in local_device_protos if x.device_type == 'GPU']

這裡輸出如下：

GPU的編號從0開始，正好是之前提到的兩塊泰坦。那麼說明GPU版本的tensorflow已經沒有什麼問題了。

最後再提一下，在配置過程當中和程式運行當中，系統的環境變數一直是一個很容易忽略的地方，常常”無法找到“之類的錯誤都要考慮一下這個地方

這裡參考很多其它的教程，有的已經找不到地方，在在巨人的肩膀上才能看的更遠：

https://zhuanlan.zhihu.com/p/33089119

https://zhuanlan.zhihu.com/p/27168325

https://zhuanlan.zhihu.com/p/25429108

https://www.tensorflow.org/install/install_linux#InstallingAnaconda

https://blog.csdn.net/dearsq/article/details/51492847

宿舍