深度学习环境搭建:Ubuntu16.04+python3.5+cuda8.0+Tensorflow1.4

Deep Learning是目前最火的机器学习领域，入门Deep learning从基础环境开始开始。本文介绍最常见的深度学习环境（Ubuntu+Cuda+Tensorflow）搭建过程，说明如何在众多发行版本的软件中选择适合自己的版本，节约踩坑的时间。

最近跟风在刷吴恩达老师的深度学习课程，开始一直在用anaconda安装tensorflow的CPU版本，但是发现这个速度很慢，再加上笔记本有GTX960m，不用起来也是浪费了。于是就开始折腾。

1.准备工作

准备工作非常非常重要，不然会踩无数的坑。

1.1 硬件准备

首先，我们需要确认我们的机器是否支持深度学习环境。简单的说就是有没有显卡，没有显卡就可以跳过我这篇文章了。

看一下我的硬件配置：

• 笔记本：xps-15-9550
• CPU：i5
• 内存：8G×2
• 显卡：GTX960m，2G显存
• 硬盘：三星950SSD，126G

其中内存、CPU和显卡比较重要，深度学习对硬件还是有一定要求的，具体的请百度或者Google看一下。

1.2 软件准备

我的深度学习环境是：Ubuntu16.04，Python3.5，Cuda8.0，Tensorflow1.4。

网上已经有很多的大神分享过自己的深度学习搭建过程，我参考了很多作者的经验。刚开始的时候，发现网上各种软件版本不一样，整得新手云里雾里，我分享一些我踩过坑之后的经验。

搭建深度学习环境需要用到很多的库，这些库与库之间是有依赖关系的，比如：Tensorflow1.4只能安装在python3.5而不能安装在python3.6，Cuda9.0安装Tensorflow会有各种各样的问题等。

我就一步一步说：

第一：Ubuntu16.04操作系统。主流的操作系统有windows、Mac os和Linux，显然选择windows和mac os并不是一个明智的选择，因此我们选择用比较流行的Linux发行版本Ubuntu16.04。

第二：python3.5。python因为历史遗留问题，现在有python2和python3两个大版本同时发行。Python社区（包括Numpy、Pandas）在内的很多维护者已经公开说明将在2020年之前放弃支持python2版本，因此我们的选择也只剩下python3了。我在安装的过程中还发现python3.6无法安装GPU支持的Tensorflow，所以我使用的是python3.5。

第三：Cuda8.0。根据之前大神们的分享，目前Ubuntu16.04对cuda8.0的版本支持较好，同时Tensorflow对cuda9.0不太友好，因此我们选择Cuda8.0。

2.环境搭建

• 安装Ubuntu16.04
• 安装GTX960m驱动
• 安装Cuda8.0
• 安装cuDNN6.0
• 安装Tensorflow1.4

2.1 安装Ubuntu16.04

从Ubuntu官网下载镜像，并用U盘安装。

安装完成之后更新系统。

sudo apt-get update sudo apt-get upgrade

2.2 安装GTX960m显卡驱动

由于默认Ubuntu系统的显卡驱动并非是Nvidia驱动，需要先安装合适的Nvidia显卡驱动才能安装CUDA，去官网http://www.geforce.com/drivers查找显卡驱动型号。

最新的稳定版驱动为384，执行以下代码安装。

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update sudo apt-get install nvidia-384

sudo apt-get install mesa-common-dev

sudo apt-get install freeglut3-dev

执行完成后重启电脑，执行nvidia-smi查看驱动信息。

2.3 安装Cuda8.0

从NVIDIA官网https://developer.nvidia.com/cuda-release-candidate-download下载适合的CUDA版本，目前官网最新的版本是9.0，但是我非常不建议大家使用最新版本。

我们选择linux平台，下载runfile。执行；

sudo ./cuda_8.0.61_375.26_linux.run &＃8211;tmpdir=/opt/temp/

这里加了&＃8211;tmpdir主要是直接运行“sudo sh cuda_8.0.27_linux.run”会提示空间不足的错误，其实是全新的电脑主机，硬盘足够大的，google了以下发现加个tmpdir就可以了。

我们已经安装好了384，这一步选择n，剩下的一路yes就行。

最后需要配置环境变量，让我们安装的CUDA生效。

（1）打开sudo gedit ~/.bashrc，在最后面添加两行如下：

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}}

（2）设置环境变量和动态链接库，打开sudo gedit /etc/profile，在文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH

（3）创建链接文件，打开sudo gedit /etc/ld.so.conf.d/cuda.conf，在文件中添加：

/usr/local/cuda/lib64

最后执行 sudo ldconfig，使上述设置立即生效。

测试CUDA：

执行以下命令：

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery

make

./deviceQuery

可以看到详细信息，最后结果是Pass，则CUDA安装成功，否则就是哪里有问题（利用Google和百度解决）。

我这里result=pass，安装成功。

2.4 安装cuDNN6.0

在NIVIDA开发者官网上，找到cudnn的下载页面: https://developer.nvidia.com/rdp/cudnn-download ，选择&＃8221;Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0&＃8243; 中的 &＃8220;cuDNN v6.0 Library for Linux&＃8221;:

下载后安装非常简单，就是解压然后拷贝到相应的系统CUDA路径下，:

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

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

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

2.5 安装Tensorflow1.4

Tensorflow的安装非常简单，我们先安装好了anaconda4.2（这个版本的python为3.5），修改好环境变量，然后用命令行安装就ok了：

sudo pip install &＃8211;upgrade tensorflow

安装完成后，运行python，导入tensorflow包，一切正常的就是没有提示。

结束语：

在折腾过程中，不会一帆风顺，会有各种各样的坑等着你。不怕错误，善于利用百度、Google。如果有问题不好解决，可以留言，我会尽快回答。

当然，也欢迎关注微信公众号：Kaggle数据分析。

参考资料：

1. http://www.52nlp.cn/深度学习主机配置-ubuntu16-04-geforce-gtx1080-tensorflow

2. http://blog.csdn.net/u010789558/article/details/51867648

3. http://blog.csdn.net/fei_6/article/details/75305692