深度學習環境tensorflow-gpu 1.4安裝過程記錄

換了個小米筆記本用來辦公，內建win10，因為硬碟容量較小，搭建linux雙系統的想法只好暫時擱置，忍著用了幾個月。

前幾天買了塊硬碟，升級了一下筆記本，這下終於可以裝上雙系統了，程式猿還是覺得linux用起來舒服啊（打遊戲除外…）= =

本來打算裝ubuntu的，但是偶然間發現了國內團隊做的deepin linux，感覺很贊啊，就用上了。程式猿嘛，接下來，就是開發環境的搭建了。於是，就有了這篇博文。

引數：

• 作業系統：Deepin Linux 15.5
• 筆記本： 小米筆記本pro
• 顯示卡：Nivdia MX150
• tensorflow版本：1.4
• cuda版本：8.0
• cudnn版本：6

搭建過程中碰到了很多坑，中間有一次失敗嘗試導致系統出現異常，重灌了系統。現總結正確安裝方式，一來給自己備忘，二來給有需要的同學作為參考。

一、安裝顯示卡驅動

用的是deepin 15.5系統，該系統提供驅動管理工具，可以很簡單為顯示卡安裝驅動。ubuntu系統提供的也有類似的工具，其他系統我不太熟悉，請自行研究。裝驅動還是挺簡單的，多搜一下就可以了。

下圖是deepin的驅動管理工具，我為顯示卡安裝了大黃蜂版的顯示卡驅動（bumblebee-nvidia和nvidia-driver），如下圖，上面那個就是MX150的顯示卡驅動，下面那個是我的核顯驅動，可以不用管它。

選中對應驅動，儲存即可。

開啟終端，在終端內輸入以下命令：

sudo apt-get update
sudo apt-get install nvidia-smi

通過nvidia-smi，我們可以檢視顯示卡資訊，以確認我們的驅動是否正確安裝了。在終端內輸入：

optirun nvidia-smi

因為我們安裝的是大黃蜂版的顯示卡驅動，所以顯示卡是由bumblebee進行管理的。為了降低能耗，平時獨顯是處於關閉狀態的，如果有程式需要使用到獨顯，可以通過optirun進行啟動。對於做深度學習訓練這樣可能太麻煩了，是有解決方法的，後面我會詳細介紹。
如果顯示卡驅動安裝正確，執行上面的命令，你會看到類似於下面的輸出：

至此，驅動安裝完成。

二、安裝tensorflow-gpu

相容原因，安裝tensorflow-gpu 1.4版本。

很簡單，如果沒安裝pip的話，要先安裝pip：

sudo apt-get install python-pip

安裝完成後，輸入：

pip install tensorflow-gpu==1.4

即可完成tensorflow-gpu 1.4版本的安裝。

需要注意的是，tensorflow-gpu版本需要完成cuda和cudnn的安裝才能執行。這個時候的tensorflow是不能執行的，在python中輸入import tensorflow會報錯。

請往下讀。

三、安裝cuda

為了相容，我們這裡安裝cuda 8。

網上找了很多教程，結果還是在這裡卡了很久，因為很多都不適用。別人用起來正常，在我這裡可能就出錯了。最後，我選擇了相當簡單粗暴的一種方法：

開啟終端，輸入如下命令：

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler  

打完收工，安裝完畢！

四、安裝 cudnn

相容原因，這裡安裝cudnn 6。

首先，從官網下載壓縮包cudnn-8.0-linux-x64-v6.0.tgz。免費下載，需要登入，如無賬號請自行註冊。下載地址為https://developer.nvidia.com/cudnn

下載完成後得到壓縮包：

對壓縮包進行解壓，得到一個名為cuda的資料夾。正常來說，我們需要將cuda中的一些檔案複製到/usr/local/cuda-8.0/***的路徑下，並配置相關路徑。但這裡，我們的做法有點不同。

因為，我們是用apt-get安裝的，所以，我們是不存在/usr/local/cuda-8.0/***路徑的，也不需要配置環境路徑。但複製還是要複製的，不過位置變了一下，這裡是第二個卡住我的問題點，找了很久，知乎的一位答友呂俊奇的回答給了我啟發(回答的連結我會放到文末的參考中)，這裡要做如下操作：

第一，將解壓出來的cuda/include/下的cudnn.h檔案複製到/usr/local/include/目錄下。

第二，將cuda/lib64/目錄下的所有檔案複製到python環境的tensorflow包的tensorflow/python/目錄下，比如，對我來說該路徑就是/home/aaron/.local/lib/python2.7/site-packages/tensorflow/python，這個路徑因人而異，請參考我的路徑自行查詢。

五、測試

至此，安裝全部完成。我們測試一下是否安裝成功。

在測試之前，埋一下前面的坑。

關於bumblebee版顯示卡驅動在深度學習訓練中的開啟和關閉：
在進行訓練前，在終端輸入sudo tee /proc/acpi/bbswitch <<< ON，可開啟顯示卡。
在訓練結束後，在終端輸入sudo tee /proc/acpi/bbswitch <<< OFF，可關閉顯示卡。

開啟顯示卡在終端中開啟python，並嘗試引入tensorflow：

python
>>> import tensorflow as tf

如果沒有安裝成功，會報錯。
如果沒有報錯，那說明安裝的沒有問題。繼續輸入：

>>> sess=tf.Session()

會輸出顯示卡資訊：

好了，恭喜，到了這裡，你已經完成了全部內容，祝你好運！

參考