工作筆記-服務器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu環境搭建
記錄實習工作中學到的新東西
服務器下ubuntu+cuda9.0+cuDNN7.0+tensorflow-gpu環境搭建
1.登陸服務器
windows系統下用xshell或者MobaXterm，新建session，輸入服務器ip連接。
2.安裝cuda9.0
（1）在英偉達官網進入cuda下載頁（https://developer.nvidia.com/cuda-90-download-archive），選擇對應的版本。ubuntu16.04的如下圖，選擇runflie(local)則可以直接循行.run文件進行安裝，十分簡便。
（2）按照官方的提示，接下來運行命令$ sudo sh cuda_9.0.176_384.81_linux.run
$ sh cuda_9.0.176_384.81_linux.run。接下來會進入到安裝程序，進行一系列的選擇。對於安裝新的英偉達驅動選擇no，對於安裝路徑默認的是/usr/local/cuda-9.0，這裏應該輸入想要安裝到的自己服務器的目錄，我的是/home/服務器名字/cuda-9.0。其他的都可以按照默認的來。
（3）配置環境變量
最後需要給cuda在~/.bashrc中添加環境變量
$ vi ~/.bashrc //用vi打開~/.bashrc文件後，按i進入編輯模式然後添加環境變量，比如我的是
#cuda export PATH="/home/fumengjin/cuda-9.0/bin:$PATH" export LD_LIBRARY_PATH="home/fumengjin/cuda-9.0/lib64:$LD_LIBRARY_PATH"
然後退出vi，按esc進入命令模式，然後輸入“:”再輸入x，保存並退出。
（4）卸載cuda
如果安裝出了什麽問題需要卸載，在cuda-9.0/bin中有卸載cuda的程序，在cuda的安裝路徑下，運行./bin/uninstall_cuda_7.5.pl就可以自動卸載，然後重啟一下終端即可。
3.安裝cuDNN
cuDNN的安裝比較簡單，在英偉達官網的下載頁(https://developer.nvidia.com/rdp/cudnn-archive)，選擇相應版本的cuDNN，我選的是對應與cuda9.0的cuDNN7.0.5，下載cuDNN v7.0.5 Library for Linux。這個需要登陸英偉達的賬號，賬號好像需要FQ才好登。
可以直接下載到和cuda-9.0同一個根目錄下，得到一個cudnn-9.0-linux-x64-v7.tar的壓縮包。運行tar -xzvf cudnn-9.0-linux-x64-v7.tgz，解壓即可，解壓後會得到一個名為cuda的文件夾。
如果是下載在其他的下載目錄下，就將cuda文件夾目錄下的文件都復制到和cuda-9.0同一個根目錄下。
4.安裝tensorflow-gpu
我是直接用pip安裝的，pip install tensorflow-gpu。
如果不能FQ用pip安裝太慢的話，可以用清華的源安裝，方法為$ pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。
工作筆記-服務器下ubuntu+cuda9.0+cuDNN+tensorflow-gpu環境搭建