寫篇blog記錄一下配置tensorflow-gpu開發環境
環境版本
系統：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
安裝Cuda Toolkit 9.0
Cuda Toolkit 9.0下載下傳連結
我的選擇
另外，下面的兩個Patch 我都有下載下傳，都是用dpkg裝的
去到你下載下傳好的三個deb的檔案夾中，在終端執行下面的語句：
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
安裝完成後，聲明一下環境變量
sudo vim ~/.bashrc
在檔案的最後加上環境變量
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裡也加上聲明
sudo vim /etc/profile
重新執行剛剛修改的初始化文檔
source ~/.bashrc
source /etc/profile
驗證一下CUDA版本：9.0
nvcc --version
安裝cudnn 7.0.5
cudnn 7.0.5在官網下載下傳 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下載下傳三個檔案ubuntu16.04檔案 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
在檢驗cuDNN之前，先安裝freeimage library作為ministCUDNN示例代碼的依賴關系。
sudo apt-get install libfreeimage3 libfreeimage-dev
開始檢驗cuDNN啦！
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
sudo make clean && sudo make
./mnistCUDNN
安裝成功的話，終端會如下顯示：
代碼運作效果圖
安裝Tensorflow-gpu
終于開始進入主題了！
Python 3.n用pip3安裝
sudo pip3 install tensorflow-gpu==1.8.0
run個小sample，測試一下
#Python 3
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
和官方給的運作結果不一樣，輸出的是byte string。
運作結果
以上，
完結撒花！