环境配置 python 3.6+Anaconda+cuda9.0+cudNN7.1+Tensorflow

标签：import   exp   存在   python2.7   .net   .so   产生   安装包   生效   

最近在摸deepface代码，一堆环境要配置，过程记录一下吧。

安装顺序：Python-> Tensorflow -> Nvidia GPU Driver -> CUDA -> CUDNN

一、安装Python3.6

Ubuntu16.04系统下默认是python2.7.网上说一般不建议卸载系统自带的python，所以保留。

1.  配置软件仓库

sudo add-apt-repository ppa:jonathonf/python-3.6 

2.  检查系统软件包，安装Python3.6

sudo apt-get update 

sudo apt-get update 

sudo apt-get install python3.6

3. 修改python3的默认版本

因为现在python3有3.5和3.6两个版本，我们想要优先使用3.6，执行以下命令：

sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.5 1 

sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 2 

sudo update-alternatives --config python3 

4.最后一条，前面有*号的就是python3的默认版本。之后如果想修改也可以通过这个方法进行修改，只需要输入你想要的版本的序号就可以了。但是现在输入python命令默认的还是python2，可以通过下面两条命令修改优先级

sudo update-alternatives--install /usr/bin/python python /usr/bin/python2 100 

sudo update-alternatives--install /usr/bin/python python /usr/bin/python3 150 

二、安装Anaconda

1.到https://www.anaconda.com/download/下载对应版本的anaconda，下文都是基于python3.6进行的

2. 下载完成后，安装 Python3.6对应的Anaconda

bash ~/Downloads/Anaconda3-5.0.1-Linux-x86_64.sh 

后面的文件名对应你下载的文件，路径对应你下载文件的路径
3. 出现more就一直按回车看证书信息，问是否接受license，输入yes

默认的路径为/home/username/anaconda3，不改变的话就直接按ENTER就好了，下面就是等待安装过程：

4.到这里注意，询问是否将Anaconda3加入到环境变量中，选yes。因为默认是no，之后要用的话还要自己在环境变量中加一次：

关闭当前终端，并重新开一个，或者执行命令source ~/.bashrc使得上面更新的环境变量生效。

5. 通过打开一个Anaconda Navigator（一个包含Anaconda的程序）来验证安装是否成功。

anaconda-navigator 

打开时间会稍稍有一点长，成功的话会见到Anaconda Navigator的界面。

//这里补充一下，由于anaconda 和 usr/local下都有python，非常容易搞混淆。在sudo也就是管理员的权限下，使用的是usr/local的python,

对应的pip也是安装在其下的site-packages文件夹中，我第一次安装tf的时候并没有留意使用的是哪个路劲下的python，导致无法使用tf。

修改pip,python路劲参考：https://blog.csdn.net/C_chuxin/article/details/82962797。可以使用pip show pip参看当前使用pip路径，python -m site可以

参看当前使用python的路劲。

三、安装TensorFlow

1. CUDA 9.0

为避免和新的CUDA 版本产生冲突，如果存在之前的的旧版本，可以选择先卸载，在/usr/local/cuda/bin目录下有一个uninstallcuda*.pl 文件，可以直接运行卸载，命令如下：

sudo ./uninstall_cuda_*.pl

这样即可将 CUDA 全部卸载。

接下来我们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容CUDA 9.1，所以不要下载 9.1，CUDA9.0 的下载地址是：https://developer.nvidia.com/cuda-90-download-archive，然后依次勾选好系统的版本，这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，然后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。

对应的下载命令是：

wgethttps://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

执行此命令，等待下载完成即可。
sudo bash cuda_9.0.176_384.81_linux-run

安装过程需要输入一些确认选项，过程如下：

Description

The NVIDIA CUDA Toolkit provides command-line and graphical

tools for building, debugging and optimizing the performance

Do you accept the previously read EULA?

accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?

(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?

(y)es/(n)o/(q)uit: y

Enter Toolkit Location

 [ default is /usr/local/cuda-9.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: y

Install the CUDA 9.0 Samples?

(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location

 [ default is /home/cqc ]:

Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

最后如果出现这样的提示，就证明CUDA 安装好了：

Driver:   Not Selected

Toolkit:  Installed in /usr/local/cuda-9.0

Samples:  Installed in /home/cqc, but missing recommendedlibraries

Please make sure that

-   PATH includes /usr/local/cuda-9.0/bin

-   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add/usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in/usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in/usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install theCUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0functionality to work.

To install the driver using this installer, run the following command,replacing <CudaInstaller> with the name of this run file:

    sudo <CudaInstaller>.run -silent -driver

然后我们需要配置一下环境变量，更改~/.bashrc 文件，添加如下几行：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}

exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export CUDA_HOME=/usr/local/cuda

修改完毕之后执行一下使其生效：

source ~/.bashrc

这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了：

echo $CUDA_HOME

/usr/local/cuda

echo $LD_LIBRARY_PATH

/usr/local/cuda/lib64

这样就代表环境变量生效了，CUDA 安装完成。

2. cuDNN 7.1

cuDNN 的全称是 The NVIDIA CUDA? Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。

下载链接：https://developer.nvidia.com/rdp/cudnn-download，需要注册之后才能打开，这里我们选择cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNNv7.1.1 Library for Linux，如图所示：

下载下来之后解压安装即可：

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

sudo chmod a+r /usr/local/cuda/include/cudnn.h

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

执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在/usr/local/cuda/include 目录下就多了 cudnn.h 头文件。

3.TensorFlow 1.6

到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.1 就已经安装好了，而且环境变量也配置好了，接下来我们直接安装TensorFlow 1.6 即可，TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 做了优化，可以预构建二进制文件。

这里需要安装的是 TensorFlow 的 GPU 版本，命令如下：
pip3 install tensorflow-gpu==1.6.0

安装完成之后验证一下：

import tensorflow

如果没有报错，那就证明全部环境配置都成功了。
---------------------
作者：xyu66
来源：CSDN
原文：https://blog.csdn.net/xyu66/article/details/80022282
版权声明：本文为博主原创文章，转载请附上博文链接！

环境配置 python 3.6+Anaconda+cuda9.0+cudNN7.1+Tensorflow

标签：import   exp   存在   python2.7   .net   .so   产生   安装包   生效   

原文地址：https://www.cnblogs.com/z1141000271/p/10289124.html