在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统（30分钟傻瓜版）

新配了一台电脑（i7-7700，GTX1070），装了UBUNTU 16.04，准备折腾折腾tensorflow。

之前看网上林林总总的安装教程，一个个都复杂无比。当然，复杂有复杂的道理，但是我实在是不想又在这台家用电脑上折腾一遍，于是又开始了偷懒大法。

貌似还真可以偷偷懒。

1、安装Anaconda

电信百兆直连官网都只有5K左右的下载速度，推荐去清华大学开源软件站下载。

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

下载之后顺便把软件源更换了，添加个conda-forge。

2、安装CUDA

推荐改个国内源，速度快得多。

sudo apt-get install nvidia-cuda-toolkit

系统会自动帮你装好所有东西的。

安装完之后重启电脑，测试一下：

talesyuan@TalesYuan:~$ nvcc --versionnvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2015 NVIDIA CorporationBuilt on Tue_Aug_11_14:27:32_CDT_2015Cuda compilation tools, release 7.5, V7.5.17

talesyuan@TalesYuan:~$ nvidia-smiTue Aug  1 23:07:20 2017       +-----------------------------------------------------------------------------+| NVIDIA-SMI 375.66                 Driver Version: 375.66                    ||-------------------------------+----------------------+----------------------+| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC || Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. ||===============================+======================+======================||   0  GeForce GTX 1070    Off  | 0000:01:00.0      On |                  N/A ||  0%   43C    P8    10W / 180W |    383MiB /  8112MiB |      0%      Default |+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+| Processes:                                                       GPU Memory ||  GPU       PID  Type  Process name                               Usage      ||=============================================================================||    0      1023    G   /usr/lib/xorg/Xorg                             222MiB ||    0      1731    G   compiz                                         158MiB |+-----------------------------------------------------------------------------+

3、用Anaconda安装其他组件

conda install tensorflow-gpu

conda会自动帮你装好cudatoolkit和cuDNN匹配版本

同样的方法还可以装上openblas，theano，pytorch，keras，等等。

装好之后重启一下，做个测试，看看GPU是否可用。

测试来自：http://blog.csdn.net/weixin_35653315/article/details/71403386

def is_gpu_available(cuda_only=True):  """  code from https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/platform/test.py  Returns whether TensorFlow can access a GPU.  Args:    cuda_only: limit the search to CUDA gpus.  Returns:    True iff a gpu device of the requested kind is available.  """  from tensorflow.python.client import device_lib as _device_lib  if cuda_only:    return any((x.device_type == 'GPU')               for x in _device_lib.list_local_devices())  else:    return any((x.device_type == 'GPU' or x.device_type == 'SYCL')               for x in _device_lib.list_local_devices())def get_available_gpus():    """    code from http://stackoverflow.com/questions/38559755/how-to-get-current-available-gpus-in-tensorflow    """    from tensorflow.python.client import device_lib as _device_lib    local_device_protos = _device_lib.list_local_devices()    return [x.name for x in local_device_protos if x.device_type == 'GPU']print(is_gpu_available())print(get_available_gpus())

-----------------------------------------------

基本上半小时搞定，还是美滋滋的。再装一次的话估计20分钟就能搞定了。

有时候也许真的需要去官网慢悠悠下源代码自己编译设置环境变量，比如需要某个特定版本的特性，或者为了最大限度发挥性能，等等。但更多的时候，对于许多人来说，先run起来比什么都重要。

-----------------------------------------------

欢迎讨论。

知乎：https://zhuanlan.zhihu.com/p/28251161

网易：http://talesyuan.blog.163.com/blog/static/92004608201771105713249/