• 之前一直在windows下使用tensorflow,對cpu和gpu的安裝都是比較順利，都是使用anaconda環境下，創建虛擬conda環境，這樣方便不同python版本的管理。
• 一直也想嘗試使用utuntu安裝，從頭是開學習一遍，昨天剛裝了雙系統，嘗試先安裝tensorflow,然後進行caffe安裝。
• Utuntu16.04+CUDA8.0+cuDNN(5.1-->6.0,tf1.2+ TiTan XP版本以上支持cuDNN6.0)+tensorflow1.4-gpu（自動安裝最新版本）

1.檢測驅動

nvidia驅動安裝是一個比較頭疼的事情，網上較多的教程通過下載.run文件，采用終端命令,禁用自帶的 nouveau nvidia驅動來安裝。但是我直接采用系統設置更新的：

步驟：

a) 進入系統設置--軟件更新(software&updates)--額外驅動（additional Drivers),選擇第一個選項（using nvidia binary driver --version .....）,其他不變，點擊Apply changes，。

b) 重啟系統。

c) 終端輸入nvidia-smi 進行驗證，安裝成功.

可能采用其他的禁止顯卡，安裝驅動，可能還會與遇見很多坑，我更新的版本：nvidia-384

2.CUDA安裝

首先在官網上(https://developer.nvidia.com/cuda-downloads)下載CUDA：

a) 官網下載cuda_8.0.44_linux.run文件

b) chmod +x /*.run 更改權限 ：root應該可以直接執行

c) cd到文件目錄， ./cuda_8.0.44_linux.run 進行安裝 （因為之前已經安裝過驅動，開始安裝時，第一個選項，是否安裝驅動，選n 不安裝(很重要),其它選y，路徑默認即可）

可能出現的錯誤：
當出現“unsupport complier”錯誤時，說明gcc版本太高，需要降低gcc版本。解決辦法如下： 安裝gcc4.9與g++4.9 ;我先以前安裝了g++4.9,但是顯示gcc任然是5.4的，參考別人的：

為什麽需要先安裝編譯器GCC和G++，而不是先安裝顯卡驅動和cuda等等呢？
首先，先安裝顯卡驅動，後安裝GCC並降級的安裝順序過程中，遇到了很多問題。比如，在安裝CUDA SAMPLES的過程中，遇到了問題/usr/bin/ld: cannot find –lGL，後面通過網上教程，重新連接該庫文件，仍然不能通過OpenCV的編譯。但是，先安裝GCC，再安裝顯卡驅動，就不會遇到這個問題了。

• 安裝完成log:

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-8.0
Samples:  Installed in /home/dsp, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-8.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_3147.log

環境變量：首先下載Cuda8.0，然後進入下載目錄，執行下列命令，即可安裝Cuda; 安裝完成後，配置環境變量，在home下的.bashrc中加入

打開~/.bashrc文件：

sudo vim ~/.bashrc

將以下內容寫入到~/.bashrc尾部：

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}}

3.cuDNN安裝

cuDNN是GPU加速計算深層神經網絡的庫。 首先去官網(https://developer.nvidia.com/rdp/cudnn-download)下載cuDNN,可能需要註冊一個賬號才能下載.

下載cuDNN5.1之後進行解壓，cd進入cuDNN5.1解壓之後的include目錄，在命令行進行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/    #復制頭文件

再將cd進入lib64目錄下的動態文件進行復制和鏈接：

sudo cp lib* /usr/local/cuda/lib64/    #復制動態鏈接庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #刪除原有動態文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5  #生成軟銜接（註意這裏要和自己下載的cudnn版本對應，可以在/usr/local/cuda/lib64下查看自己libcudnn的版本）
sudo ln -s libcudnn.so.5 libcudnn.so      #生成軟鏈接

安裝問題

tensorflow安裝所遇問題：libcudnn.so.6:cannot open sharedobject file: No such file or directory

【報錯】ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory

• 由於自己先安裝cuDNN5.1;後面安裝tensorflow是自動安裝最新版本的tf1.4,但在tf1.3已經支持cuDNN6.0了。
• 看了更新日誌發現，1.3版本需要cuDNN v6.0做支持了，之前是5.1，於是去Nvidia官網下載cuDNN v6.0對應的系統版本安裝就好了: 我使用cuDNN6.0
• 或者降低版本

問題解決：

pip uninstall tensorflow-gpu
pip install tensorflow-gpu==1.2

4. Anaconda安裝

官網下載地址：https://www.continuum.io/downloads/

在安裝的過程中，會詢問安裝路徑，按回車即可。之後會詢問是否將Anaconda安裝路徑加入到環境變量（.bashrc)中，輸入yes，這樣以後在終端中輸入python即可直接進入Anaconda的Python版本（如果你的系統中之前安裝過Python，自行選擇yes or no）。安裝成功後，會有當前用戶根目錄下生成一個anaconda2的文件夾，裏面就是安裝好的內容

下載完畢後，在terminal中到達文件所在位置

bash Ana.......(快捷鍵Tab) .sh

一路按回車鍵，中間記得輸入一個yes就可以順利完成安裝。

安裝完後，配置環境路徑:安裝過程自動選擇添加，就不需要手動添加

# 將anaconda的bin目錄加入PATH，根據版本不同，也可能是~/anaconda3/bin
echo ‘export PATH="~/anaconda2/bin:$PATH"‘ >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

• 安裝log:
• 需要激活anconda環境才能使用，不然是默認的python2.7

dsp@dsp:~/下載/cuda/lib64$ python
Python 2.7.12 (default, Nov 19 2016, 06:48:10) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> exit()
dsp@dsp:~/下載/cuda/lib64$ source /home/dsp/.bashrc
dsp@dsp:~/下載/cuda/lib64$ python
Python 2.7.14 |Anaconda, Inc.| (default, Oct 16 2017, 17:29:19) 
[GCC 7.2.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.

• Conda的環境管理功能允許我們同時安裝若幹不同版本的Python，並能自由切換。對於上述安裝過程，假設我們采用的是Python 2.7對應的安裝包，那麽Python 2.7就是默認的環境（默認名字是root，註意這個root不是超級管理員的意思）。

# 創建一個名為tenseorflow的環境，指定Python版本是3.5
conda create --name tensorflow python=3.5

# 安裝好後，使用activate激活某個環境
activate tensorflow  # for Windows
source activate tensorflow # for Linux & Mac
# 激活後，會發現terminal輸入的地方多了tensorflow 的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.5對應的命令加入PATH

# 此時，再次輸入
python --version
# 可以得到`Python 3.5.3 :: Continuum Analytics, Inc.`

# 如果想返回默認的python 2.7環境，運行
deactivate tensorflow # for Windows
source deactivate tensorflow# for Linux & Mac
#可以得到`Python 2.7.13 :: Anaconda 4.3.1 (64-bit)`

# 刪除一個已有的環境
conda remove --name tensorflow --all

用戶安裝的不同python環境都會被放在目錄~/anaconda/envs下，可以在命令中運行conda info -e查看已安裝的環境，當前被激活的環境會顯示有一個括號。

(tensorflow_py3.5) dsp@dsp:/usr/local/cuda/lib64$ python
Python 3.5.4 |Anaconda, Inc.| (default, Nov  3 2017, 20:01:27) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> 

5.tensorflow-gpu安裝

• 安裝只需要在對應的激活conda環境下：
• pip install tensorflow
• pip install tensorflow-gpu

6.測試

• 下午在進行spyder配置和caffe的配置
• 可能有些坑，還沒有發現後續更新

Reference:

• http://blog.csdn.net/u010858605/article/details/64128466 (win10+tensorflow)

• Ubuntu16.04+CUDA8.0+caffe配置

utuntu安裝tensorflow-gpu