手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras

都是血泪，重装系统后的笔记（注意我没有核显，显卡设置可以参考别的帖子）

安装CUDA

下载地址，官网或者百度云，百度云地址

https://pan.baidu.com/s/1ZjI3LDlLpRf_NSVsrj7WSw

iqqx

官网下载失败，暂时不提。

文件：

进入deb文件所在目录，命令行操作

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

点了yes..之前有安装过runfile大概就是是否安装nvidia驱动，反正我没安装nvidia驱动，所以一路yes就行。如果事先安装了nvidia驱动的话，在驱动选项选择no就行。
添加一些库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

重启

nvidia-smi

命令行

ls /dev/nvidia*

如果有uvm，则安装成功。

设置环境变量

sudo gedit /etc/profile

若出现错误，见下一篇帖子

末尾加

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

source /etc/profile

查看环境变量是否设置成功

验证驱动版本

cat /proc/driver/nvidia/version

验证cuda toolkit

nvcc -V

测试sample 
编译sample：

cd /usr/local/cuda-9.0/samples
sudo make

等待中。。。（10分钟以上）

编译二进制文件

cd bin/x86_64/linux/release
./deviceQuery

result = pass成功

最后再检查一下系统和CUDA-Capable device的连接情况 ：

./bandwidthTest

 

安装cudnn7.1 

下载云盘地址如上

进入文件目录下

命令行

tar -xzvf 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
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

 安装Anaconda

下载完成后需对anaconda进行安装，进入anaconda存放目录，利用命令

bash Anaconda3-4.2.0-Linux-x86_64.sh 

这里切记不能用sudo bash命令

Tensorflow 及 keras 安装

利用命令 conda create -n tensorflow-gpu python=3.5 建立一个名为tensorflow-gpu的python3.5环境，注意要写对python版本。 

conda环境的激活

source activate tensorflow-gpu  激活 tensorflow-gpu 环境

激活环境之后

pip install tensorflow-gpu==1.11

测试代码

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

安装Keras

pip install keras