Ubuntu14.04+GTX1080+Cuda8+Cudnn7.0+Tensorflow

本文主要是介绍Ubuntu14.04+GTX1080+Cuda8+Cudnn7.0+Tensorflow，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Tensorflow安装

下面讲述如何在Ubuntu14.04上安装Tensorflow，需求如下：

软件&系统	版本
Ubuntu(64位）	14.04.5
内核	4.4.0
GTX1080 驱动	384.98
Java	8
Bazel	0.7.0以上
Cuda	8.0.61_375.26
GCC	4.9
Tensorflow	master(/92233820e)

选用的笔记本位MSI GT73EVR 7RF，1TB，16GB RAM，GTX1080。

在安装Tensorflow遇到坑还是比较少的，主要在Tensorflow上删了又装很多次，其他就是无限循环登录问题、系统分辨率太小、网卡驱动不对、触摸板无响应等。下面会讲述遇到这些问题解决方法：

由于是新笔记本，下面讲述安装步骤：

1. 安装Ubuntu 14.04.5镜像，给MSI安装双系统，保留原windows。会遇到系统分辨率问题
2. 安装GTX1080驱动，会遇到无限循环登录问题
3. 安装cuda 8.0
4. 安装cudnn 7
   
5. 安装无线网卡驱动
6. 安装java 8
7. 安装bazel，Tensorflow依赖
8. 安装Tensorflow
9. 配置完成，测试
   

安装Ubuntu双系统

制成启动U盘

首先使用Windows系统，上官网找到Ubuntu 14.04.5系统镜像，下载

ubuntu-14.04.5-desktop-amd64.iso   

下载完成后，使用 Ultraiso安装镜像到U盘，制成启动U盘。教程不再讲述。

可以参考百度经验

安装双系统

讲启动U盘插入MSI电脑，开机，在出现MSI标志后，按下“Delete”进入BISO“，切换到BOOT，将U盘选项置顶，随后进入安全控制， 将安全控制选为”disable“，安全控制将影响GTX1080驱动，GTX1080驱动涉及到内核操作，如果开启安全控制将会导致Ubuntu登录界面无限循环问题。

保存退出后，在开机界面按下”F11“，选择U盘进行安装Ubuntu。

最好是有网线连接下进行安装，会避免一些驱动问题。

安装完成后，进入Ubuntu系统分辨率非常低，这是由于GTX1080显卡驱动问题，安装完显卡驱动，分辨率就正常了。

安装GTX1080驱动

进入英伟达官网，下载GTX1080驱动，开始搜索，然后下载所需版本即可。我下载的是最新的384.98。

也可以在这里下载。

下载完成后，保存，作为备用用于刷新新驱动。

添加NVIDIA源

sudo add-apt-repository ppa:graphics-drivers/ppa

出现信息不用考虑，直接按回车即可。

sudo apt-get update 
sudo apt-get install nvidia-384
sudo apt-get install mesa-common-dev 
sudo apt-get install freeglut3-dev

禁用nouveau

按Ctrl+Alt+F1进入命令提示符,新建一个黑名单文件：

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

输入

blacklist nouveau  
options nouveau modset=0  

保存，退出

然后，执行

sudo update-initramfs -u  

检查

lspci | grep nouveau  

如果没有输出，就代表正常。

安装显卡驱动

注意：在接下来安装Cuda8的过程中，也会安装显卡驱动，询问时输入“N”，选择不安装。

关闭桌面程序，如果不关闭，将无法完成安装：

sudo service lightdm stop  

切换到上面下载好的目录下：

sudo chmod 755 NVIDIA-Linux-x86_64-384.98.run  //获取权限  
sudo ./NVIDIA-Linux-x86_64-384.98.run  //安装驱动  

如果没有报错（warn不算）就代表安装完成。这里安装的时候没有截屏，就不在讲述步骤。

在安装过程中，会提到是否关闭BISO中的安全控制，因为在之前就关闭了，所以不用管。如果不关闭将会进入无限登录。

然后重启即可。

输入

nvidia-smi 

验证是否安装成功。

安装cuda 8.0

安装Cuda问题不大，进入下载列表，选择CUDA Toolkit 8.0 GA2，下载即可。大小未1.4G

cd ~/Download/
sudo chmod +x cuda_8.0.61_375.26_linux.run
sudo sh cuda_8.0.61_375.26_linux.run 

全部都选择默认，一路回车即可。

安装完成后，添加路径：

vi ~/.bashrc

在最后输入

export PATH=/usr/local/cuda:${PATH}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH}

保存退出。

安装cudnn 7

进入cudnn下载，首先需要注册一下，然后

下载完成后，解压，会得到cuda目录，

$ 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*

完成cudnn安装。

安装无线网卡驱动

直接运行以下命令即可，网卡型号为QCA6174。原有不可用，需要重新安装。

sudo mkdir -p /lib/firmware/ath10k/QCA6174/hw3.0/
sudo rm /lib/firmware/ath10k/QCA6174/hw3.0/* 2> /dev/null
sudo wget -O /lib/firmware/ath10k/QCA6174/hw3.0/board.bin https://github.com/FireWalkerX/ath10k-firmware/blob/7e56cbb94182a2fdab110cf5bfeded8fd1d44d30/QCA6174/hw3.0/board-2.bin?raw=true
sudo wget -O /lib/firmware/ath10k/QCA6174/hw3.0/firmware-4.bin https://github.com/FireWalkerX/ath10k-firmware/blob/7e56cbb94182a2fdab110cf5bfeded8fd1d44d30/QCA6174/hw3.0/firmware-4.bin_WLAN.RM.2.0-00180-QCARMSWPZ-1?raw=true
sudo chmod +x /lib/firmware/ath10k/QCA6174/hw3.0/*

重启即可

安装java 8

java8不作为重点，直接使用源安装

添加ppa

sudo add-apt-repository ppa:webupd8team/javasudo apt-get update
sudo apt-get install oracle-java8-installer

随后运行以下命令检查

java -version

安装bazel

bazel安装直接用源安装

添加bazel源

$ echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
$ curl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add -

安装

sudo apt-get update && sudo apt-get install bazel

安装Tensorflow

其他版本都试过，现在选择源码编译；

git clone https://github.com/tensorflow/tensoflow
git checkout master 
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package 
sh tensorflow/tools/ci_build/install/install_bazel.sh
sudo sh tensorflow/tools/ci_build/install/install_bazel.sh
bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
sudo python setup.py develop
vi test.py #添加测试文件

在新打开的文件中输入：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

运行：

python test.py 

如果一切正常，将会有如下输出：

2017-12-17 15:27:18.614891: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:895] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2017-12-17 15:27:18.615173: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1105] Found device 0 with properties: 
name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.771
pciBusID: 0000:01:00.0
totalMemory: 7.92GiB freeMemory: 7.47GiB
2017-12-17 15:27:18.615188: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1195] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1)
Hello, TensorFlow!

至此，安装完成

编译Tensorflow时的版本：https://github.com/tensorflow/tensorflow/commit/92233820e6256ffb428650e67dc8c6dc4bbc7074

这篇关于Ubuntu14.04+GTX1080+Cuda8+Cudnn7.0+Tensorflow的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---