00-1010在之前的深度学习中，我在MAC上运行的是CPU版本的tensorflow程序。当数据量增加时，张量流运行非常缓慢，当内存不足时，很容易导致系统崩溃。这个时候觉得不应该浪费有限的MSI游戏本，于是想到用它来运行代码进行深度学习。

在Ubuntu 18.04安装tensorflow 1.12 GPU版本

我的旧电脑配置如下：

CPU i5-4210M16G内存GPU GTX 950M内存2G128G SSDUbuntu18.04的配置一般，但为了防止我的mac发光发热，体验GPU对深度学习的加速效果(虽然可能不会增加多少速度)，也不想旧电脑被抛弃，我最终决定在上面安装Ubuntu18.04运行TensorFlow。

1. 配置信息

TensorFlow官网提到，需要安装以下软件才能使用GPU版本的TensorFlow:

简单来说，我们需要在Ubuntu18.04中安装以下软件：

NVIDIA的GPU驱动(nvidia drive-390)CUDA 9.0(不要下载CUDA 10.0，因为TensorFlow 1.12.0目前只支持CUDA 9.0 CUDA 9.0)cudn v 7 . 3 . 1适合CUDA 9.0(选最新的)。至于CUDA和cuDNN，谷歌本身是什么，对应的下载页面和地址如下：

CUDA 9.0 https://developer.nvidia.com/cuda-toolkit-archivecuDNN 7 . 3 . 1 https://developer.nvidia.com/rdp/Cudnn-存档注意，Cudnn下载前需要注册登录官网https://docs.NVIDIA.com/CUDA/CUDA-installation-guide-Linux/#选择-安装-方式。安装说明中列出了检查步骤。如果您的GPU在支持列表中，我们只需执行以下操作：

3.1安装GPU驱动程序。

Ubuntu在安装后会被赋予一个名为Nouveau的默认内置驱动。我们需要安装特定于GPU的驱动程序。有一篇关于如何在Ubuntu上安装合适的驱动程序的文章：https://linuxconfig . org/如何在Ubuntu上安装-NVIDIA-drivers-on-18-04-Bionic-Beaver-Linux。

简单地说，执行ubuntu-drivers devices命令来获得推荐的nvidia驱动程序，

然后执行sudo apt-get install NVIDIA-driver-390(取决于提示的驱动程序)完成安装。

请注意，安装需要重新启动。

Nvidia-smi在重启后执行。如果出现类似下图所示的消息，则驱动程序安装成功：

3.2安装gcc-4.8和g 4.8

sudo apt-get安装gcc-4.8

Ll /usr/cxdzs |grep gcc #如果有更高版本的gcc，请继续。

cd /usr/cxdzs

Sudmv gcc gcc.bak #备份

Sudln-S GCC-4.8GCC #重定向

执行gcc - version检查是否是4.8版本，G也可以。

00-1010，转到CUDA9.0的下载页面，选择安装类型为runfile(本地)，可以发现有一个基本安装包和三个补丁，全部下载后依次执行：

sudo sh cuda _ 9 . 0 . 176 _ 384 . 81 _ Linux . run

安装的时候会问问题，一路默认。当第二个问题问是否安装新驱动时，选择否，其余为是。然后以同样的方式安装以下服务包。

sudo sh cuda_9.0.176.1_linux.run

sudo sh cuda_9.0.176.2_linux.run

sudo sh cuda_9.0.176.3_linux.run

之后可以在/usr/local/cuda-9.0中找到安装文件，执行sudo gedit /etc/profile或者sudo gedit ~/。bashrc在/etc/profile或~/的文件后添加环境变量。bashrc:

导出路径=/usr/local/cuda-9.0/cxdzs $ { PATH : $ { PATH } }

导出LD_L

IBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后执行source ~/.bashrc或者source /etc/profile让刚刚修改的环境变量生效。然后执行nvcc -V来验证CUDA是否完成安装。

安装好CUDA9.0后，接下来就安装cuDNN，进入cuDNN下载页选择 cuDNN v7.3.1 Library for Linux 下载。

​ 执行如下命令：

tar -xzvf cudnn-9.0-linux-x64-v7.tgz

进入解压目录，执行：

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*

这样就安装完成了。

5. 安装pyenv

这里我采用了pyenv的方式来隔离不同环境下的python。

首先安装curl，它一个命令行式的下载工具

sudo apt install curl

然后下载pyenv的安装包，pyenv的GitHub链接：[pyenv](https://github.com/pyenv/pyenv)

curl -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/cxdzs/pyenv-installer | bash

编辑`~/.bashrc`:

sudo gedit ~/.bashrc

在该文件中添加以下内容（直接复制即可）：

export PYENV_ROOT="$HOME/.pyenv" export PATH="$PYENV_ROOT/cxdzs:$PATH" eval "$(pyenv init -)" eval "$(pyenv virtualenv-init -)"</pre>

终端执行以下命令安装python的依赖包

sudo apt-get update sudo apt-get install make build-essential libssl-dev zlib1g-dev sudo apt-get install libbz2-dev libreadline-dev libsqlite3-dev wget curl sudo apt-get install llvm libncurses5-dev libncursesw5-dev

安装python 3.6.5

pyenv install 3.6.5

安装过程可能很缓慢，一个简便方法，只需要在python的官网(此处给出python3.6.5的[下载地址](https://www.python.org/downloads/release/python-365/))下载你需要的python版本的`tar.xz`文件然后放到 `~/.pyenv/cache`中然后再执行`pyenv install [version]`就可以了，cache文件夹可能不存在，请自行新建。

pyenv的常用命令

上图是官方文档中的例子，如果想要查看完整命令列表，可以点击查看pyenv命令列表

在终端执行pyenv global 3.6.5即可将3.6.5设置为系统默认的python环境

6. 安装tensorflow-gpu

终端中输入以下命令即可安装：

pip install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade tensorflow-gpu

7. 验证结果

利用终端新建一个.py文件

touch test.py

然后利用Visual Studio Code打开该文件

code test.py

输入

import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

然后执行该脚本python test.py即可得到包含有GPU输出信息的正确结果