Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略

目录

安装流程

1、安装nvidia显卡驱动

2、安装cuda8

3、安装Cudnn

4、Anaconda下载和安装

5、官方Anocuda介绍安装攻略

6、进入Jupyter Notebook   

7、Tensorflow安装、验证

相关文章
Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
ML之Anaconda：关于Anaconda集成平台简介、安装、使用方法的详细攻略
ML之Anaconda：在Anaconda中的常用的conda命令集合（分门别类+非常细化）
Anaconda：基于Anaconda(python集成环境)平台tensorflow安装、运行之最强详细攻略

​​​​​​​

安装流程

1、安装nvidia显卡驱动

安装深度学习框架需要使用cuda/cudnn(GPU)来加速计算，而安装cuda/cudnn，首先需要安装nvidia的显卡驱动。
http://www.geforce.cn/drivers  或者  http://www.nvidia.com/Download/index.aspx?lang=en-us
ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。

sudo vim /etc/modprobe.d/blacklist.conf   编辑文件blacklist.conf
在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -u     更新系统后，重启系统（一定要重启）

验证nouveau是否已禁用
lsmod | grep nouveau     没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。

(1)、禁用自带的nouveau驱动（重要步骤！）

运行命令创建相关文件：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
并在文件中添加如下内容：
blacklist nouveau         options nouveau modeset=0
sudo update-initramfs -u     更新后，重启系统
lsmod | grep nouveau          查看是否禁用成功。如如果没有输出则禁用成功
Ctrl+Alt+F1   通过如下命令进入命令行模式
sudo service lightdm stop   关闭X-Window  

(2)、安装驱动：

sudo apt-get remove –purge nvidia*    卸载你电脑中此刻有的nvidia的驱动
sudo add-apt-repository ppa:xorg-edgers/ppa -y
sudo apt-get update
sudo apt-get install nvidia-384       (根据需要选择版本，注意CUDA9.0与CUDA9.1必须安装387.x的驱动)

sudo service lightdm start     安装完毕之后重启X-Window

(3)、进入终端

CTRL+ATL+F1   进入终端1（输入用户名和密码后和终端很相似，可以大胆进去）
sudo service lightdm stop       关闭图形界面
sudo apt-get install nvidia-384   自动下载驱动安装,nvidia-384要和显卡型号匹配）
sudo service lightdm start   来启动图形界面，并且登录。这个时候应该又回到图形界面。
nvidia-smi      测试有没安装成功。来看是不是能够输出你的GPU的一些信息。要是不能够输出的话，重启。能够输出的话，也建议重启一次。

2、安装cuda8

https://developer.nvidia.com/cuda-downloads (注意tensorflow 1.6/tensorflow1.7支持CUDA9.0+cuDNN7.0)

sudo apt-get install libcupti-dev   安装CUDA依赖库

(1)、cd到安装的文件夹，接着执行：sudo sh cuda_8.0.44_linux.run --override

有个让你选择是否安装nvidia驱动时，一定要选择否：  Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?  因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。 安装完成后，显卡driver版本是9，cuda版本是8。

(2)、配置cuda环境变量  

export PATH="$PATH:/usr/local/cuda-8.0/bin" export 

LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"

nvidia-smi  结果出现以下输出，说明配置成功

3、安装Cudnn

先下载https://developer.nvidia.com/rdp/cudnn-downloada-collapse704-9
简单地说，就是复制几个文件：库文件和头文件。将cudnn的头文件复制到/usr/local/cuda/lib64，将cudnn的库文件复制到/usr/local/cuda/include。  下载下来后,cd 到文件包目录下,解压文件。

tar -zxf cudnn-7.0-linux-x64-v4.0-prod.tgz
cd cuda

链接到cuda的库里
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
 
要不要链接cuDNN的库文件：
$ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4
$ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so
 
链接完config更新

$ sudo ldconfig

(1)、最后把cudnn的头文件拷贝到/usr/local/cuda-8.0/include下面，库文件拷贝到/usr/local/cuda-8.0/lib64下面
设置环境变量文件.bashrc或profile
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:LD_LIBRARY_PATH
更新环境变量

souce /etc/profile

4、Anaconda下载和安装

1、下载

安装包大概有500M，下载得一段时间。
https://repo.continuum.io/archive/
https://www.anaconda.com/download/linux

2、安装

(1)、查看原装python

没有安装anaconda之前，我们输入：which python
查看python的原生默认安装路径为：  /usr/bin/python

安装了anaconda之后，再次输入：which python
会改变为：/home/xxy/anaconda3/bin/python

(2)、安装

bash ~/Downloads/Anaconda3-2019.07-Linux-x86_64.sh

3、测试

T1、直接测试

直接输入python回车即可！

此时输入 exit()  退出python环境
conda --version      检测版本

PS：为了避免可能发生的错误, 可以在命令行输入：conda upgrade --all  可先把所有工具包进行升级。

T2、conda测试

先测试

conda list

anaconda会自动将环境变量添加到PATH里面，如果后面你发现输出conda提示没有该命令，那么你需要执行命令

source ~/.bashrc 

更新环境变量，就可以正常使用了。

(1)、继续修改
如果发现这样还是没用，那么需要添加环境变量。 编辑~/.bashrc 文件，在最后面加上

export PATH=/home/bai/anaconda3/bin:$PATH

保存退出后执行：source ~/.bashrc

source ~/.bashrc 

再次输入conda list测试看看，应该没有问题！

conda list

参考文章：Ubuntu之bashrc：成功解决Ubuntu系统内出现的conda：未找到命令

5、官方Anocuda介绍安装攻略

https://docs.anaconda.com/anaconda/install/linux
lspci | grep -i nvidia   显示出你的NVIDIA GPU版本信息
gcc --version    验证是否安装了gcc
sudo apt-get install gcc   如果没有，可以在终端键入
cd到下载的文件夹，然后输入命令            bash ~/Downloads/Anaconda3-5.1.0-Linux-x86_64.sh            
然后点击yes，回车进行安装，接着yes，选择加入环境变量。检查是否安装成功：终端输入python，出现详细信息即安装成功！
conda list    显示所有的包

(1)、配置anaconda：如果不进行配置，启动spyder等也是不能够运行tensorflow的，因为anaconda中默认anzhaung的spyder等是应用于root的，而非tensorflow。在Terminal中运行命令：
anaconda-navigator 启动anaconda。
在左侧列表中，选择Environment，可看到Anaconda中安装环境为root和tensorflow。选择Tensorflow后，边上会出现一个箭头，这时就可以在右边的列表中查看、安装、卸载Tensorflow下的软件及软件包了。 
安装的软件可在anaconda->home下查看，同样需要选择应用环境。
ipython terminal下运行python语句,支持自动补全
spyder 集成开发环境
jupyter 交互式笔记本

6、进入Jupyter Notebook   

ipython notebook

7、Tensorflow安装、验证

(1)、创建Tensorflow环境  (使用tfEnviro作为环境)

conda create -n tfEnviro python=3.6
source activate tfEnviro                              激活环境

(2)、安装tensorflow的gpu版本

在所创建的tfEnviro环境下，安装tensorflow：  pip install --ignore-installed --upgrade tfBinaryURL

conda install ‐‐channel https://conda.anaconda.org/anaconda tensorflow‐gpu=1.9.0

如果遇到错误，换为下边的命令

pip install tensorflow-gpu==1.9.0

(3)、安装jupyter notebook

conda install ipython
conda install jupyter 

(4)、测试tensorflow是否安装成功

T1、jupyter上测试

执行命令jupyter notebook ，打开一个新的Jupyter Notebook，输入一行import tensorflow as tf 并运行

jupyter notebook
import tensorflow as tf 

T2、terminal内直接测试

重启terminal后，输入命令：

source activate tfEnviro          首先激活tensorflow环境
python                            启动python环境
-meta">>>> import tensorflow as tf 
-meta">>>> hello = tf.constant('Hello, TensorFlow!')
-meta">>>> sess = tf.Session()
-meta">>>> print sess.run(hello)
Hello, TensorFlow!          恭喜！安装成功！
 
 
'或者'
python -c "import tensorflow as tf; print(tf.__version__)"

(5)、安装spyder

为了使用TensorFlow，需要在tfgpu环境下安装spyder

conda install spyder