Ubuntu14.04 + GTX 960 +Tensorflow安装教程

1. 安装 CUDA 8.0

说明 1：本文默认已安装 Nvidia 私有驱动。检查方法：桌面右上角点击设置图标，点击关于这台计算机，在图形一栏若显示 GeForce GTX960/… 类似字样，说明已安装 N 卡私有驱动。否则请参考我的另一篇博客Ubuntu下GTX1080显卡驱动折腾小记。

说明 2：若已安装 CUDA 8.0 之前的版本（比如 7.5）建议先卸载旧版本 CUDA: 运行位于 /usr/local/cuda-7.5/bin 下的 uninstall 脚本，然后重启。

1.1 下载 CUDA 8.0

下载地址：https://developer.nvidia.com/cuda-downloads

本文选取 runfile 文件安装方式，如下图：

1.2 执行 runfile

切换到 CUDA8.0 runfile 的下载目录，执行：

sudo sh cuda_8.0.44_linux-run.run （注意版本号，后续不再提醒）

此时，屏幕上会开始出现一些协议和说明性的文字，键盘按下 q 键直接跳过协议阅读部分。

然后屏幕上会依次出现以下询问文字：

Do you accept the previously read EULA?
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 3xx.xx?
Install the CUDA 8.0 Toolkit?
Enter Toolkit Location
Do you want to install a symbolic link?
Install the CUDA 8.0 Samples?
Enter CUDA Samples Location

除了第二行选择 no 拒绝重新安装 N 卡驱动外，其余一律选择 yes 和默认位置。

1.3 声明环境变量

说明：若以前安装过 CUDA 7.5 这样的老版本 CUDA，由于之前已创建过软链接（/usr/local/cuda)，声明环境变量部分可以跳过，后面为 cuDNN 配置环境变量时也是如此。

更改 PATH 和 LD_LIBRARY_PATH : 在 ~/.bashrc 文件中，添加以下两行并保存(sudo gedit ~/.bashrc):

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

执行:

source ~/.bashrc

可用 echo $PATH 和 echo $LD_LIBRARY_PATH 命令检查下是否配置成功。

验证 nvcc 编译器版本：

nvcc -V

若正确安装，会显示 CUDA 版本。

1.4 (可选)编译示例代码

跑一个简单的例子 deviceQuery:

在 ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery 路径下，依次执行：

make
./deviceQuery

最后一行若显示为 Result = PASS 则表明 CUDA 8.0 安装成功，运行正常

2. 安装 cuDNN 5.1

注意：最新版的 cuDNN 已迭代至 6.0 版本，截至 2017.5.1 日，TensorFlow 通过 pip 快速安装的版本只支持到 5.1 版。若要使用最新版 cuDNN，需要手动编译 TensorFlow。而本人亲测使用最新版 cuDNN 编译的 TensorFlow 版本速度快了不少，追求极致速度的推荐手动编译。

2.1 下载 cuDNN 库文件

下载地址：https://developer.nvidia.com/cudnn （注意，下载 cuDNN 需要注册 Nvidia 开发者帐号）

各种提示一路点下来，最后如下图：

2.2 配置库文件

解压第一个下载的 cuDNN Library 文件，解压，得到一个 cuda 文件夹。为方便后续操作，借助 cp 命令复制此 cuda 文件夹到 /usr/local/cuda 文件夹下（也就是让此 cuda 文件下又多一个 cuda 文件夹）:

sudo cp -rf 解压出的cuda文件夹所在目录/cuda/ /usr/local/cuda/cuda

切换到/usr/local/cuda文件夹下，执行：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

然后赋予可读权限：

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

配置环境变量：

~/.bashrc中添加两行：

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

然后执行：

source ~/.bashrc

2.3 (可选)编译示例代码

解压第一步下载下来的 .deb 文件，切换到其中的 /usr/src/cudnn_samples_v5/mnistCUDNN 下，依次执行：

make
./mnistCUDNN

若最后一行出现 Test passed，表明 cuDNN 安装成功。

3. 安装 TensorFlow 最新版

3.1 安装

本文采取 pip 安装方式，其余如 Anaconda 等安装方式参见官网

安装必要文件：

sudo apt-get install python-pip python-dev

安装 TensorFlow：

sudo pip install tensorflow-gpu

安装完成。

注意：以上方式安装的为最新版 TensorFlow。若要安装旧版本，可改用以下命令：

sudo pip install tensorflow-gpu==1.0(任一旧版本号)

3.2 测试

终端执行：

$ python
...
>>> import tensorflow as tf
>>> sess = tf.Session()

若没报错，并通过命令行指令 nvidia-smi 观察到 GPU 显存占满，说明安装成功。

另外本人发现在个别硬件上即使 cuda 和 cuDNN 配置正确，装完 TensorFlow 仍然不能调用 gpu 的情况。最后通过手动编译 TensorFlow 解决，暂无其他方法。

3.3 常见问题

1. 安装过程出现错误：Common Problems
2. 运行时显卡调用问题集： 知乎 深度学习theano/tensorflow多显卡多人使用问题集