本文主要是介绍ubuntu16安装tensorflow gpu加速（包括cuda8及NVIDIA显卡安装），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！
1. 安装tensorflow gpu版本 ：
pip install tensorflow-gpu
如如果安装cpu版本的，可以用：pip install tensorflow
如果是python3及以上，需要先安装pip3
sudo apt-get install python3-pip
以后可能需要的几个依赖包在这里就一起安装了：
sudo apt-get install build-essential libssl-dev libffi-dev python3-dev附，python3.5安装（ubuntu可以python2.7和3.5共存，但是只能用一个）：（1）sudo add-apt-repository ppa:fkrull/deadsnakes
（2）sudo apt-get update
（3）sudo apt-get install python3.5
（4）sudo cp /usr/bin/python /usr/bin/python_bak，先备份
（5）sudo rm /usr/bin/python 删除
（6）sudo ln -s /usr/bin/python3.5 /usr/bin/python
默认设置成python3.5，重建软链接这样在终端中输入python默认就是 3.5版本了
2. 安装显卡驱动，
（1）接下来开始正式安装显卡驱动
2.1、禁用系统默认的集成驱动
Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。
将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。
查看属性
sudo ls -lh /etc/modprobe.d/blacklist.conf
修改属性
sudo chmod 666 /etc/modprobe.d/blacklist.conf
用gedit打开
sudo gedit /etc/modprobe.d/blacklist.conf
在该文件最后后添加：
2.2.1打开系统设置
点击软件和更新，选择附加驱动，选择上面的显卡驱动，然后点击应用更改即可，完了之后重启
3.安装cuda8以及cudnn
3.1 :cuda8下载地址：https://developer.nvidia.com/cuda-downloads
cudnn下载地址：https://developer.nvidia.com/cudnn （需注册才能下载）
也可以到百度云盘一起下载，省去注册麻烦：http://pan.baidu.com/s/1bpH57eJ
下载好之后接下来正式开始安装，
3.2: 先解决相关依赖安装：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx
libglu1-mesa libglu1-mesa-dev 如果安装依赖过程中最后出现了（没有出现直接无视跳到下面安装cuda8进行安装）：
/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link /sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link不是连接符号，解决方法是：
sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1 sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
3.3 安装cuda8
进入下载目录，输入命令： sudo sh cuda_8.0.61_375.26_linux.run --override
到了这个界面之后按住：Ctrl+c跳过
接下来，输入accept
下一步，提示安装显卡驱动，输入n,要不然会出错
接下来全部yes，有选择安装路径，的，直接默认就好，不用输入，下面是所有的输入
，然后可以去喝杯茶等几分钟就可以安装好了。
出现了这个，说明安装完成：
接下来导入cuda8的配置路径，如果是按默认路径安装的，直接输入以下命令：
export PATH="$PATH:/usr/local/cuda-8.0/bin"export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
输入：nvidia-smi，显示下面信息则说明正确安装了
3.4 然后开始安装深度学习库cudnn
3.4.1.解压刚刚下载的cudnn :tar xvzf cudnn-8.0-linux-x64-v5.1.tgz2.然后将库和头文件copy到cuda目录（一定是你自己安装的目录如/usr/local/cuda-8.0）
执行下面命令复制文件（请注意自己的解压路径）
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*
cudnn复制完成就行，不用安装
cudnn复制完成之后，再输入（解决可能会出现的连接符错误）：
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcufft.so.8.0 /usr/local/lib/libcufft.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so /usr/local/lib/libcudnn.so && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.5 /usr/local/lib/libcudnn.so.5 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.5.1.10 /usr/local/lib/libcudnn.so.5.1.10 && sudo ldconfig
（ps，如果不是在百度云盘下载的cudnn，链接最后一条的时候需要到/usr/local/cuda-8.0/lib64/下查看是哪个文件，不一定是5.1.10，可能是libcudnn.5.1.15或者其他的）最后，检测tensorflow，
在终端输入：python
然后进入之后输入：import tensorflow，如果没有报错则说明已经配置好了
引用：http://blog.csdn.net/xl928471061/article/details/77833112
opencv安装：http://www.cnblogs.com/uestc-mm/p/7338244.html
3、测试opencv是否安装成功
1 root@VB:# python
2 >>>import cv2
3 >>>cv2.__version__
4 '3.2.0'
显示出版本号，则表示opencv安装成功。
《注意》：如果打开python后，import cv2时，提示：
1 >>> import cv2
2 Traceback (most recent call last):
3 File "<stdin>", line 1, in <module>
4 ImportError: No module named cv2
则需要安装python-opencv模块，在命令窗口中键入: pip install opencv-python
安装成功后，即可导入cv2，此时能够正确导入cv2，且正确显示版本号：
1 >>> import cv2
2 >>> cv2.__version__
3 '3.2.0'
这篇关于ubuntu16安装tensorflow gpu加速（包括cuda8及NVIDIA显卡安装）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！
