写篇blog记录一下配置tensorflow-gpu开发环境

环境版本

系统：Ubuntu 18.04 LTS
GPU：GeForce GTX 1050 Mobile
Cuda: 9.0
Cudnn: 7.0.5
Tensorflow-gpu:1.8.0
Python:python3.6.5

安装Cuda Toolkit 9.0

Cuda Toolkit 9.0下载链接

我的选择

另外，下面的两个Patch 我都有下载，都是用dpkg装的
去到你下载好的三个deb的文件夹中，在终端执行下面的语句：

sudo apt-key add /var/cuda-repo-9-0-local-cublas-performance-update-2/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda-9.0

安装完成后，声明一下环境变量

sudo vim ~/.bashrc

在文件的最后加上环境变量

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

profile里也加上声明

sudo vim /etc/profile

重新执行刚刚修改的初始化文档

source ~/.bashrc
source /etc/profile

验证一下CUDA版本：9.0

nvcc --version

安装cudnn 7.0.5

cudnn 7.0.5
在官网下载 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下载三个文件ubuntu16.04文件 runtime library. developer library, and code samples and user guide

sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

在检验cuDNN之前，先安装freeimage library作为ministCUDNN示例代码的依赖关系。

sudo apt-get install libfreeimage3 libfreeimage-dev

开始检验cuDNN啦！

cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
sudo make clean && sudo make
./mnistCUDNN

安装成功的话，终端会如下显示：

代码运行效果图

安装Tensorflow-gpu

终于开始进入主题了！
Python 3.n用pip3安装

sudo pip3 install tensorflow-gpu==1.8.0

run个小sample，测试一下

#Python 3
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

和官方给的运行结果不一样，输出的是byte string。

运行结果

以上，
完结撒花！