Ubuntu18.04+ Tensorflow1.8 安裝總結

Ubuntu18.04發行已經有一段時間了，正好最近Tensorflow也釋出了1.8版本，於是決定兩個一起裝上，以下是安裝總結，大致可以分為5個步驟

1. 確認當前軟體和硬體環境、版本
2. 更新顯示卡驅動，軟體版本準備
3. CUDA 9.0 ToolKit安裝
4. cuDNN7.1.3 for CUDA9.0安裝
5. TensorFlow GPU 安裝
6. Test it!

1.確認硬體軟體環境、版本

系統版本，Ubuntu18.04 自然沒什麼好說的， 使用指令sudo lsb_release -a ，得到以下輸出結果

No LSB modules are available.
Distributor ID:Ubuntu
Description:Ubuntu
Codename:bionic

GCC和G++ 版本，18.04的ubuntu預設的是7.0，同時也有附帶安裝6.0，不過我們這次安裝需要更低版本的GCC以及G++

gcc --version  檢視GCC版本號 gcc (Ubuntu 7.0 -4ubuntu8) 7.0
g++ --version  檢視G++版本號 g++ (Ubuntu 7.0-4ubuntu8) 7.0

我選擇採用的是4.8版本gcc和g++，後面給出降級方法。

英偉達顯示卡驅動版本， 使用nvidia-smi 可以得到相關資訊，我使用的是GTX970顯示卡，驅動已經更新到390.48版本。

Python 版本， python2 –version 和 python3 –version， 應該對應2.7+ 和 3.6+版本了都，預設較新版本，可以忽略。

2.更新顯示卡驅動，軟體版本準備

主要是更新顯示卡驅動，以及降級預設GCC/G++版本.

如果是已經裝過NVIDIA顯示卡驅動，通過以下指令升級

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-390

如果有NVIDIA顯示卡，但是沒有安裝過顯示卡相應驅動，CUDA Toolkit中會有整合的384版本驅動，需要關閉圖形介面到指令行介面安裝，相關方法請上網查詢。

GCC降級

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

裝完後進入到/usr/bin目錄下
1 $ls -l gcc*

會顯示以下結果

lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.0

發現gcc連結到gcc-7.0, 需要將它改為連結到gcc-4.8，方法如下:

sudo mv gcc gcc.bak #備份
sudo ln -s gcc-4.8 gcc #重新連結

同理，對g++也做同樣的修改：

ls -l g++*
lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.0

需要將g++連結改為g++-4.8:

sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

再檢視gcc和g++版本號：

gcc -v g++ -v

均顯示gcc version 4.8 ，說明gcc 48.8安裝成功。

3.CUDA ToolKit 安裝

CUDA 到CUDA9.0 下載頁面下載runfile(最近NVIDIA官網被停)安裝，Tensorflow官網給的暫時還是9.0版本,新版本可以嘗試一下.穩妥起見，這裡選擇9.0。

下載9.0安裝包和2個補丁包之後，

～/Downloads 資料夾應該有 以下三個檔案

ls |grep cuda_9.0

cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176_384.81_linux.run

在確認GCC版本在4.8後， 直接輸入以下指令

sh cuda_9.0.176_384.81_linux.run --override

執行，如果有安裝了顯示卡驅動的，注意在提問是否安裝顯示卡驅動時選擇no,其他 選擇預設路徑或者yes即可。 如果沒有安裝顯示卡驅動，需要退出圖形介面，到命令列終端安裝，這裡不再贅述。

安裝完成後，可能會得到提示，CUDA 安裝不完整，這是因為顯示卡驅動沒有安裝，這裡忽略掉。同樣的方法安裝兩個補丁包.

sh cuda_9.0.176.1_linux.run
sh cuda_9.0.176.2_linux.run

安裝完畢之後，將以下兩條加入.barshrc檔案中.

sudo vim ~/.barshrc

export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

4.cuDNN7.1.3安裝

cuDNN 到 cuDNN 官網頁面下載即可，這裡注意要選擇對應CUDA9.0的軟體包， 下載完畢後，切到預設的Downloads資料夾，可以看到 cudnn-9.0-linux-x64-v7.1.tgz 壓縮包
先解壓，後複製到CUDA安裝資料夾裡面.

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

完成後，可以到～/NVIDIA_CUDA-9.0_Samples/資料夾下測試CUDA功能完整性。這裡參照CUDA Getting Start測試即可。一般都會在結果輸出Test pass 欄位。

5.Tensorflow 安裝

    這裡選擇的是在本機上安裝Tensorflow，其他安裝方式可以參照官網介紹。

pip install tensorflow-gpu

預設安裝最新版本1.8，如果要安裝教老版本， 上述指令後面加上==$版本號 即可。

6.驗證測試

在python3 中輸入以下程式碼

 >>> import tensorflow as tf 
 >>> hello = tf.constant('hello tensorflow')
 >>>with tf.Session() as sesh:
 ...  sesh.run(hello)

輸出結果應該是hello tensorflow ，並且附帶上GPU相關資訊。

至此安裝過程全部完成。