配置

硬體：Thunderbot 911筆記本，CPU：i7，GPU ：GeForce GTX 960m， 8G記憶體，120G SSD+1T 機械硬碟。
軟體： ubuntu16.04+cuda8.0+cudnn v5+tensorflow 0.11

1. 下載

1.1 系統映象

由於我嘗試了ubuntu14.04，安裝Nvidia驅動之後，會出現迴圈登入的問題，並始終無法找到有效的解決途徑，所以只能選擇ubuntu16.04了。
映象地址 https://www.ubuntu.com/download/alternative-downloads

1.2 CUDA 8.0

https://developer.nvidia.com/cuda-downloads

（下載地址）
說明：
（1）在NVIDIA的CUDA下載頁面下，選擇要使用的CUDA版本進行下載。
（2）我們這裡使用CUDA8.0（頁面有提示GTX1070、GTX1080支援8.0版本），學員如果沒有使用以上兩個版本的GPU，可以下載CUDA7.5。DOWNLOAD（下載）。
（3）下載需要註冊。
（4）圖解選擇

1.3 cuDNN v5

下載地址： https://developer.nvidia.com/cudnn（需要登入）
說明：
（1）下載需要填寫一個調查問卷，就三個選項，建議認真填寫，畢竟人家免費給咱使用。
（2）填寫完畢點選 I Agree To 前面的小方框，出現如下：

1.4 Tensorflow 0.11

tensorflow github上面提到 4 種安裝方式，本教程使用第四種原始碼安裝
Virtualenv installation
Anaconda installation
Docker installation
Installing from sources
https://github.com/tensorflow/tensorflow（下載地址）
說明：
（1）開啟下載頁面，往下翻，直到下圖這個位置：

（2）點選Python 2開始下載。

最後，將1.2-1.4中下載檔案全部存放至自己的行動硬碟/U盤內，等待安裝時候使用。

2. 安裝ubuntu16.04 LTS 系統

安裝Ubuntu16.04：
http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html
說明：
（1）我們直接安裝的英文原版系統，語言也是選擇英文的。
（2）上述連結在–第三步：安裝型別上選擇的是–自定義。我們選擇的是–清除整個磁碟並且安裝，如果你有Windows系統，還會提示安裝Ubuntu16.04與Windows並存模式。這個自行選擇，切記！這個地方謹慎選擇。
（3）感謝百度經驗上傳者！

3. 安裝NVIDIA驅動

開啟terminal輸入以下指令:

sudo apt-get update

然後在系統設定->軟體更新->附加驅動->選擇nvidia最新驅動(361)->應用更改

3. cuda 8.0

3.1 安裝cuda

在cuda所在目錄開啟terminal依次輸入以下指令：

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

3.2 gcc降版本

ubuntu的gcc編譯器是5.4.0，然而cuda8.0不支援5.0以上的編譯器，因此需要降級，把編譯器版本降到4.9：
在terminal中執行：

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++

3. 安裝cuDNN

開啟terminal依次輸入以下指令：

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解壓這個檔案）
sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（複製）
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（複製）
sudo chmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*

4. 安裝其他依賴

4.1 配置環境變數

這裡寫圖片描述
按照上圖的教程，在terminal中輸入以下命令：

sudo gedit ~/.bash_profile #開啟.bash_profile

然後在開啟的文字末尾加入：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

繼續在terminal中輸入:

source ~/.bash_profile #使更改的環境變數生效

當然，也有其他教程在檔案~/.bashrc檔案中寫入的，方法與上面的類似。如果在後面配置./config檔案出現問題時，可以實現這個方法。

4.2 安裝其他庫

sudo apt-get install python-pip python-dev

4. 安裝Bazel

4.1 安裝Bazel依賴

4.2 安裝Bazel

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
chmod +x PATH_TO_INSTALL.SH #對.sh檔案授權
./PATH_TO_INSTALL.SH --user #執行.sh檔案

4.3 安裝第三方庫

在terminal中輸入以下命令

sudo apt-get install python-numpy swig python-dev python-wheel #安裝第三方庫
sudo apt-get install git
git clone git://github.com/numpy/numpy.git numpy

5. 安裝tensorflow

5.1 下載tensorflow

在terminal中輸入以下命令

git clone https://github.com/tensorflow/tensorflow

特別注意，我使用的是tensorflow 0.11版本，該版本要求cuda 7.5 以上，cuDNN v5。
預設下載目錄是在/home下

5.2 配置tensorflow

在terminal中輸入以下命令：

cd ~/tensorflow #切換到tensorflow資料夾
./configure #執行configure檔案

然後按照下圖選項進行操作：
這裡寫圖片描述

5.3 建立pip

這裡寫圖片描述
在terminal中輸入以下命令：

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install /home/***（你自己的使用者名稱）/Desktop/tensorflow-0.10.0-cp2-none-any.whl

5.4 設定tensorflow環境

這裡寫圖片描述

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
 # To build with GPU support:
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
python setup.py develop

這樣就大功告成啦~！！！

6. 測試tensorflow

這裡進行測試，如果你能跟我看到同樣的畫面，那恭喜你成功配置GPU版的tensorflow啦！
這裡寫圖片描述

跑這個例子，會出現很多提示，如果你在執行過程中發現自己的顯示卡型號，並提示成功呼叫cuda庫，並每次step小於100ms，說明成功，否則就檢查下哪裡出現問題吧~
下面就盡情調戲tensorflow啦！
這裡給出很有意思的教程連結：http://m.blog.csdn.net/article/details?hmsr=toutiao.io&id=52658965&utm_medium=toutiao.io&utm_source=toutiao.io
用tensorflow實現梵高作畫。

7. 常見問題

7.1迴圈登入

在ubuntu14.04安裝N卡驅動後，會出現無法顯示登入介面或者迴圈登入的問題。這主要是顯示卡不相容，具體解決思路可以參考google上的解決方案，關鍵詞 ubuntu login loop。
經過測試，網上的教程對我都不適用，無奈轉向ubuntu16.04

7.2 缺少第三方庫

因為這個教程是我安裝成功之後寫的，其中難免遺忘某些庫的安裝，例如Git、pip這些庫，安裝過程很簡單，具體可以google。

7.3 tensorflow配置問題

在執行./configure 或者設定tensorflow環境時，如果出現無法找到某個庫的路徑，那麼檢查是否正確的設定了cuda的環境變數，具體參考 4.1節。

7.4 cuda8.0不支援gcc 5.3以上版本

7.5 測試tensorflow時出現IOError

在測試tensorflow中，執行

python convolutional.py

出現 IOError錯誤，這是由於convolutional.py中需要從網上下載MNIST資料庫。如果出現錯誤，那麼重新執行Python convolutional.py命令，或者手動從網站下載資料庫並放在相應資料夾就好啦。

8. 經驗與總結

google是最好的老師！
感謝七月在線團隊的無私幫助： qq群：472899334
失敗是成功之母，經過這麼多次嘗試，以後的配置應該都不是問題啦
歡迎聯絡我的QQ： 3062984605
歡迎留言補充或討論

9. 參考文獻

利用pip安裝方法 ##(版權歸屬： QQ 1395569872)

Ubuntu16.04從U盤安裝純淨單系統

Ubuntu16.04安裝NVIDIA顯示卡官方驅動
1.點桌面左上角搜尋本機程式的圖示，找到“附加驅動”
2.在“附加驅動”裡，系統會自動搜尋N卡驅動，列表裡會提供對應你顯示卡的最新版官方驅動。例如我的顯示卡是GT730，選擇第一項361.42就可以了。
3.最後點“應用更改”，等待安裝完畢即可。

安裝CUDA【Debian安裝】
1、下載安裝
進入下載檔案所在目錄，執行下列命令：

$ sudo dpkg --install cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
$ sudo apt-get update
$ sudo apt-get install cuda

$ tar xvzf cudnn-8.0-linux-x64-v5.1.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

退到根目錄，執行下面語句：

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

2、配置環境變數：
在terminal根目錄中輸入以下命令：

$ sudo gedit ~/.bash_profile

然後在開啟的文字末尾加入：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

繼續在terminal中輸入:

$ source ~/.bash_profile

安裝pip

$ sudo apt-get install python-pip python-dev
$ sudo apt-get install python-numpy swig python-dev python-wheel

安裝TensorFlow

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Install from sources" below.

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

$ sudo -H pip install --upgrade $TF_BINARY_URL

本文講述Ubuntu14.04下使用GTX070 GPU加速的goolge深度學習開源庫Tensorflow環境的配置。。。
使用的是Anaconda Python 3.5
我們一切從簡，只介紹一種最簡單的pip安裝方法。
注意：本文僅適用於單顯示卡，64位Ubuntu 14.04，不是的話請繞道

首先驗證

終端輸入命令：lspci | grep VGA
這裡寫圖片描述
可以看到僅顯示了一條資訊，好的，沒問題。
如果你那裡有兩條，換其他方法吧。。。
終端輸入命令：uname -m && cat /etc/*release

看第一行：x86_64
證明你的Ubuntu是64位，好的，沒問題。
如果你那裡不是，換其他方法吧。。。

安裝NVIDIA顯示卡驅動

下載英偉達顯示卡驅動http://www.nvidia.cn/Download/index.aspx?lang=cn
這裡寫圖片描述
進去以後點選DOWLOAD下載就好了，下載完記得把它放到一個英文目錄下，因為接下來我們的操作都在tty1下，你用中文路徑是進不去的。比如我們放在～/download下。
按組合鍵”Ctrl+Alt+F1“進去tty1
我知道有人肯定會跟我似的進入這個就黑屏了，好吧，就用下邊這個方法試試，有用的：
這裡寫圖片描述
用gedit編輯即可。

關閉顯示管理器

輸入命令sudo stop lightdm，關閉顯示器管理器。否則後面舊的顯示卡驅動無法禁用，新的顯示卡驅動無法安裝。

禁用舊的顯示卡驅動

首先切換到管理員賬戶：sudo su
切換到/etc/modprobe.d/，新建檔案nvidia-installer-disable-nouveau.conf，輸入：
blacklist nouveau options nouveau modeset=0
在檔案/etc/default/grub的最後，新增一行，如下所示；
blacklist nouveau

安裝新的驅動
切換到驅動所在路徑：cd ~/download
sudo sh NVIDIA-Linux-x86_64-367.57.run
過程中有一系列選項，就這麼選就行：Accept → Continue → installation → OK → OK → OK
有人說安裝完會自動重啟，然而我並沒有！
這個時候可以開啟顯示器管理器：sudo start lightdm
開啟終端，輸入：cat /proc/driver/nvidia/version
出現如下圖所示，證明你成功了：
這裡寫圖片描述

安裝CUDA
安裝依賴庫：
sudo apt-get install freeglut3-dev
sudo apt-get install build-essential
sudo apt-get install libx11-dev
sudo apt-get install libxmu-dev
sudo apt-get install libxi-dev
sudo apt-get install libglu1-mesa
sudo apt-get install libglu1-mesa-dev

切換到root，安裝CUDA：./cuda_8.0.44_linux
注意注意再注意，下邊那個Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?一定是n！！！！！！！！！！！！！！！

安裝過程如選擇如下：
Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
[ default is /home/zhou ]:

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so

Installing the CUDA Samples in /home/zhou …
Copying samples to /home/zhou/NVIDIA_CUDA-8.0_Samples now…
Finished copying samples.

===========

= Summary =

Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /home/zhou, 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 with the name of this run file:
sudo .run -silent -driver

Logfile is /tmp/cuda_install_2961.log
安裝完畢後，設定一下環境變數，將下邊兩行寫入到 ~/.bashrc 的尾部：

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}}

ubuntu16.04下安裝TensorFlow(GPU加速)

配置