unbuntu14.04-cuda8.0-tensorflow配置安装

安装准备

确保自己的电脑上有nvidia系列的显卡，查看命令

lspci |grep NVIDIA

注意这里最好别用lipci |grep VGA命令，因为有的nvidia显卡系列并不在此命令下显示
本机的nvidia显卡

NVIDIA Corporation GK110GL [Tesla K20c] (rev a1)
NVIDIA Corporation GK110GL [Tesla K20c] (rev a1)

装机的服务器为dell k630 k620

安装ubuntu14.04

关于linux ubuntu的安装在这里不做赘述，需要注意的是，dell k630安装ubuntu最后发现没有图形界面，错误如下：

the system is running in low-graphics mode

这是由于linux安装包自带了nouveau的驱动，它可能和你本机的显卡不兼容，需要禁用了即可，强烈建议不要再给系统装什么图形界面了。

sudo vi /etc/modprobe.d/blacklist.conf

在后面加

blacklist nouveau

重启电脑，图形界面有了，发现电脑的图形运行很慢，因为这时候你并没有安装显卡驱动

这个时候先让你的电脑联网，可以用ubuntu的图形界面配置，也可以pppoeconf直接配置，这里不做赘述。

安装完ubuntu之后主义更新一下源,升级一下现有的程序
sudo apt-get update
sudo apt-get upgrade

然后安装一些必要的插件
sudo apt-get install vim
sudo apt-get install openssh-server(便于你远程登陆)

设置电脑的ubuntu成为静态ip便于以后登陆

vim /etc/network/interfaces

配置你电脑的静态ip(注意你有线是哪个口，然后配置那个口的网口)
比如本机是网口2；

auto eth2
iface eth2 inet static
address 192.168.1.99
netmask 255.255.255.0
network 192.168.1.0
gateway 192.168.1.1
broadcast 192.168.1.255

安装cuda-8.0

cuda-8.0的安装和网上的其它做法不太一样，如果是的显卡是GTX系列的你可以单独安装显卡驱动，我这里显卡是tesla-k20c,所以其中

Install NVIDIA Accelerated Graphics Driver for Linux…？

我这里选的yes（如果你是GTX系列，不妨直接用这个试试，不行在按照其他人的做法），直接用它这里的显卡驱动，实践证明是没有问题的，其余的和网上的做法都一样了。

安装成功后将cuda加入到环境变量中，这里建议加入~/.bashrc文件中，而不用/etc/profile:

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}}

最后可以测试一下自己的cuda

nvidia-smi

测试一下几个nvidia的例子

cd 1_Utilities/deviceQuery
make
./deviceQuery

安装tensorflow

tensorflow安装主要分为源码安装和pip安装，其中最方便的是pip安装，并不建议大家用源码安装，因为还要安装什么brazel，有时候会出错。而且你也不用担心不是源码安装用不了GPU，本人亲测，pip安装方式绝对最快捷的方式。

安装pip

sudo apt-get install python-pip python-dev

主义这里安装后的pip版本很低，升级一下才能找到tensorflow-gpu

sudo pip install pip –upgrade

让其安装0.9+版本的。

之后安装tensorflow就比较方便了，一条命令搞定

sudo pip install tensorflow-gpu

安装cudnn

tar -zxvf cudnn-8.0-…ga.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*

如何知道自己tensorflow的gpu是否加速

1:一般情况下,nvidia-smi如果你的显卡在运行，就可以说明
2：有的人发现自己用了cuda后代码并没有提升速度，这是你代码的问题，因为python中有的设置还用的是cpu，tensorflow-gpu加速只是在矩阵运算处，所以有的代码没加速很正常
3：可以测试一个tensorflow的例子

python -m tensorflow.models.image.mnist.convolutional

如果batch的时间<100ms说明是加速的，一般好一点的显卡都是5ms左右，tesla-k20c显卡比较老,一般15ms左右。

tensorflow源码安装

我认为源码安装是比较麻烦的，这里用到brazel，大家最好去官网，百度出来的非常不靠谱

http://www.nvidia.com/object/gpu-accelerated-applications-tensorflow-installation.html

http://www.bazel.io/versions/master/docs/install.html#ubuntu

安装其他module（这些在安装tensorflow之前）

sudo pip install theano sudo pip install numpy sudo pip install scipy sudo pip install sklearn sudo pip install pandas