tensorflow深度學習伺服器環境搭建
實驗室新進了一臺伺服器，配置了nvida 1080TI顯示卡做深度學習使用，裝好機器後第一件事就是如何配置好tensorflow的深度學習環境，這裡把我在搭建環境的過程以及遇到的坑一一寫下來，給有同樣需求的筒子提供一些幫助。
作業系統是師兄刻好的ubuntu最新版本Ubuntu 18.04.1 LTS （可使用lsb_release -v檢視），這種事當然第一件事就是谷歌了，發現一條https://towardsdatascience.com/setup-an-environment-for-machine-learning-and-deep-learning-with-anaconda-in-windows-5d7134a3db10，接下來就是按照提示一步一步進行就是了。
搭建過程一共分為5步
-
下載 Anaconda
-
安裝 Anaconda & Python（ubuntu自帶python3）
-
更新 Anaconda
-
安裝 CUDA & cuDNN（cudnn不需要自己裝）
-
安裝TensorFlow & Keras
-
CUDA版本切換（如果正常裝好不需要）
1，2，3步都是常規且比較簡單就可以完成的事情，這裡就簡單說一下了，
1.下載 Anaconda
到anacoda下載linux版python3.7版本，伺服器是ubuntu18，所以下載的是python3.7版本
2. 安裝 Anaconda & Python（ubuntu自帶python3）
bash Anaconda3-5.3.1-Linux-x86_64.sh
跟著提示就可以順利安裝了安裝了，如果你向我一樣使用zsh作為預設shell的話，所以需要將.bashrc下的anaconda安裝時自動新增的以下程式碼
複製進.zshrc檔案末尾，source ~/.zshrc完成呼叫，終端輸入conda看到幫助說明裝好了
3.更新anaconda
在終端輸入以下命名更新conda
conda update conda
conda update --all
4.安裝 CUDA & cuDNN
重點在於CUDA的安裝以及cudnn的安裝，在這一步我可是吃盡了苦頭
這裡我直接把正確的做法告訴大家
首先到
下好之後就簡單了
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64-deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
cudnn並不需要安裝，在下一步安裝tensorflow的時候，anaconda會自動安裝cudnn，
5. 安裝TensorFlow & Keras
直接使用anaconda安裝就可以了
conda install -c anaconda tensorflow-gpu
conda install -c conda-forge keras-gpu
這裡後面接-gpu說明安裝的是gpu版本，不帶的話就是cpu版本的了，由於伺服器配置了顯示卡，當然下載gpu版本以發揮顯示卡的優勢
6. CUDA版本切換（如果正常裝好不需要）
通過使用python -c "import tensorflow as tf;"檢視tensorflow環境是否建好，
提示錯誤
搜尋後發現是cuda的問題，使用ldconfig -v可以看到找不到libcublas.so.9.0，這是cuda9.0裡面的，而我一開始安裝的是最新版的cuda10，所以這裡被坑了一波。。。
那麼就需要解除安裝cuda10了
sudo apt-get remove cuda*
sudo apt remove --purge nvidia*
rm /etc/apt/sources.list.d/cuda-10-0-local-10.0.130-410.48.list
sudo apt autoremove
sudo rm -rf /var/cuda-repo-10-0-local-10.0.130-410.48
sudo rm -rf /usr/local/cuda*
都跑一遍再來重新安裝應該就好了，這裡再次使用python -c "import tensorflow as tf;"命令就可以發現沒有報錯了。
總結一下：本文介紹了搭建tensorflow深度學習環境的過程，從anaconda安裝到cuda，tensorflow-gpu的安裝以及遇到的最大的坑，就是cuda官網上預設是最新版的cuda10，而由於tensorflow gpu版本目前並不支援cuda10，只識別cuda9.0，在沒有安裝cuda9的機器上使用會直接報錯，不得不重新解除安裝cuda10，安裝cuda9，安裝好後tensorflow就可以正常使用了。