从零开始安装TensorFlow1.0+keras(Ubuntu16.04+CUDA8.0+Cudnn5.1+TITANX)

NVIDIA TITANX 显卡安装

官网下载NVIDIA驱动

按照需求选择合适的GPU，因为我们使用的是TITAN X GPU 所以选择如下，操作系统旋转Linux 64-bit，点击搜索，点击下载后进入如下页面。

驱动下载

在这里要注意，不要点击同意并开始下载，要右键另存为！！！

至此，驱动程序便下载成功。

关闭 X server

当我们安装NVIDIA的驱动程序时，需要首先利用ctrl+Alt+F1 进入tty模式才能关闭X server

关闭的方式有两种：

(1) 如果/etc/init.d/ 目录下存在gdm

sudo /etc/init.d/gdm stop
sudo /etc/init.d/gdm status

(2) 如果/etc/init.d/ 目录下存在lightdm

sudo /etc/init.d/lightdm stop
sudo /etc/init.d/lightdm status

显卡驱动安装完成以后，对应于gdm/lightdm使用如下命令来重启 X server

sudo /etc/init.d/gdm restart
sudo /etc/init.d/lightdm restart

killall X不可使用，因为虽然停止了X server，但是gdm/lightdm会重新启动X server，其他C+A+B组合键也不可以，必须停止X server的父进程，否则还会不断生成X server

安装NVIDIA驱动

安装NVIDIA驱动之前，我们需要彻底卸载已经安装好的

sudo apt-get remove --purge nvidia-*
sudo apt-get install ubuntu-desktop
sudo rm /etc/X11/xorg.conf
echo 'nouveau' | sudo tee -a /etc/modules

如果之前没有安装过NVIDIA显卡，执行上面的命令可能提示找不到目录或者文件，可以忽略。

进入驱动所在的目录，执行以下命令进行安装

sudo sh NVIDIA-Linux-*.run

CUDA8.0 安装

点击进入CUDA 下载网址，选择合适版本下载,为*.run文件

cd到安装包目录下，运行安装命令

sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64-deb
sudo apt-get update
sudo apt-get install cuda

运行如下命令加载cuda路径

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

安装完毕后验证安装

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery

测试代码，如果可以打印如下页码，则代码安装成功

这里写图片描述

CUDNN5.1 配置

安装CUDNN相对简单，首先注册NVIDIA的开发账号，然后才能下载CUDNN
下载下来后

tar -zxf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/

更新系统

sudo apt-get update && sudo apt-get upgrade
sudo apt-get install linux-source
sudo apt-get install linux-headers-`uname -r`

anaconda安装

点击进入anaconda下载地址
对应自己python版本下载，比如我使用的2.7版本，进入下载文件目录运行安装命令

 bash Anaconda2-4.3.1-Linux-x86_64.sh

然后各种下一步就可以了，最后它会问你用不用把它加入环境变量，这里最后选yes，然后执行

source ~/.bashrc

更新环境变量，以后你使用的python解释器就是anaconda里面的了，不再是系统自带的了。

tensorflow 安装

科普一下：现在最流行的Python集成环境是anaconda ，里面集成了上百个常用的python包，省的安装一大堆python的包了。anaconda里面自带了一个pip。如果你在终端使用的是sudo pip install, 那么你安装的python包会安装到系统的python里面，也就是/usr/bin/python2.7里面，如果你使用的是pip install,那么你安装的软件包是安装到anaconda里面的python环境。因为我使用的是anaconda，所以使用pip而不是sudo pip

点击进入tensorflow1.0下载页面

选择合适的版本，我们选择python2.7下的GPU版本

由于我们利用anaconda来安装tensorflow，所以只需要

pip install --ignore-installed --upgrade  https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl

如果你想给系统自带的python安装tensorflow，只需要在前面加一个sudo就可以了
这里写图片描述

执行上图中的命令，出现类似的结果就代表tensorflow已经安装成功。

keras 安装

通过执行命令,来直接安装keras

pip install keras

安装keras过程中会自动安装theano，keras是一个基于tensorflow或者theano运行的，但是默认是基于tensorflow，所以你打开终端，在python里面import keras一下，如果提示没有tensorflow，那你编辑一下～/.keras/keras.json文件，把里面的”backend”:”theano”改为”backend”:”tensorflow”就可以了。

从github下载keras

git clone https://github.com/fchollet/keras.git --recursive

安装结束后，就能直接运行例程了。例程位于 keras/examples/ 目录下
我们尝试一下cifar_10分类的问题
在 keras/examples/ 目录下执行

python cifar10_cnn.py

可以看到TITAN X 的速度还是相对较快的，一次epoch 大概25秒左右。