ubuntu下的tensorflow安装：cuda8.0+cudnn6.0+opencv2.4.11+anaconda+tensorfl

1：安装Ubuntu

最好选择LTS版本，理由在这：http://www.linuxidc.com/Linux/2011-08/40021.htm

至于系统大家进官网自行下载：https://www.ubuntu.com/download/desktop

ubuntu的安装步骤这里不再赘述，网上有很多安装教程。

系统安装完成后我遇到这样的问题：输入超出范围的问题，请调节至：1600×900

解决办法：关机拔掉独显，用集成显卡显示，计入系统装上显卡驱动再试，或者装上cuda再试。

2：安装显卡驱动

      此处分两种情况，请对号入座完成其一即可（前提是你有一定的牛逼哄哄独立显卡，本人GTX970，不算牛，搞计算机视觉的基础设备，大家最好找导师哭着要一个，GTX1080-Ti及以上的同学你肯定很有钱，或者你导师肯定很有钱，别浪费这么优越的条件，洗洗抓紧科研）：

    A：后面不装cuda：

         1、首先和Windows平台下一样先验证nvidia显卡，在终端中输入命令：      

                   lspci |grep -i nvidia

           验证的目的是下载与显卡对应的驱动。

         2、下载相应驱动程序：http://developer.nvidia.com/cuda-downloads

         3、为了编译和运行SDK中的示例，还需要freeglut、mesa和opengl相关库和头文件等支持，Getting_Started_Linux.pdf文档中建议通过如下命令行安装：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

         4、如果是刚装好的Ubuntu系统，其中的开源的nvidia显卡驱动是没有激活的，可以直接安装nvidia官方下载的驱动，如果已经激活了则需要先将其卸载掉再安装nvidia官方下载的驱动，在终端中输入如下命令：

                sudo apt-get--purge remove nvidia-*

                sudoapt-get --purge remove xserver-xorg-video-nouveau

然后：

 sudo gedit /etc/modprobe.d/blacklist.conf    blacklist.conf加入：

blacklist amd76x_edac  
blacklist vga16fb  
blacklist nouveau  
blacklist rivafb  

blacklist nvidiafb  

blacklist rivatv 

有些主板，如独立显卡情况下，可能还需要设置一下grub才能支持nvidia的显卡，不然可能重启之后无法正常进入图形界面：打开系统中的grub配置文件：

sudo gedit /etc/default/grub

把 “nomodeset”参数加到GRUB_CMDLINE_LINUX行：

GRUB_CMDLINE_LINUX=”nomodeset”

并更新 grub：

sudo update-grub

然后重启电脑， ubuntu在字符界面输入root用户名和密码之后。输入如下命令关掉图形界面：

sudo service lightdm stop

在登录界面或者登陆之后按快捷键Ctrl + Alt+F1到第一控制台。接着通过cd命令切换到之前下载的显卡驱动程序的目录，安装nvidia官方下载的驱动：

cd /你下载好的驱动文件夹

chmod +x  驱动程序全名

sudo sh   驱动程序全名

     然后一路accept或者yes即可，安装完成之后执行如下命令驱动安装就算完成。

sudo service lightdm start

 Ctrl + Alt+F7回到图形界面，接下来验证是否安装成功，在终端下输入：

$ nvidia-settings

    可以看到NVIDIA Driver Version: XXX，

    另外如果之前没有安装过glxinfo命令的话需要安装开发包mesa-utils：

$ sudo apt-get install mesa-utils

    查看显卡是否装好运行，输入：

$ glxinfo | grep rendering

                  如果出现direct rendering: Yes 则表明显卡正在运行。

  B：后面装cuda：跳过这步直接装cuda。这里必须说明的是，很多童鞋不知道cuda8.0自带显卡驱动，跑到英伟达官网去下载自己的显卡，然后再安装。最后出现了：unkonw display的问题，屏幕分辨率超低，不忍直视，但是又束手无策。--------这是一个脱了裤子放屁——多此一举的步骤。

3：安装cuda

        1：官网下载cuda版本：https://developer.nvidia.com/cuda-downloads 选择runfile(local)下载

        2：由于cuda8.0带有对应的显卡驱动，这里需要按快捷键Ctrl + Alt+F1到第一控制台，登录你的用户名和密码，然后

sudo service lightdm stop

cd /刚刚下载的cuda8.0文件所在文件夹

chmod +x cuda程序全名

sudo  sh cuda程序全名

sudo service  lightdm start

如果出现如下错误，有可能是你没有执行 stop命令，如果不是，网上有很多此类问题解决方案，对号入座解决。

ERROR: You appear to be running an X server; please exit X before installing. For further details,...

         3、添加环境变量：  

         $ sudo gedit /etc/profile

在最后加入：  export PATH=/usr/local/cuda-8.0/bin:$PATH

          export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

         $ source /etc/profile

     然后：$ sudo gedit /etc/ld.so.conf  

在最后加入： /usr/local/cuda-8.0/lib64

         $ sudo ldconfig

再执行一下命令，验证路径是否添加成功：

$ ldconfig -v|grep cuda

会出现相关的路径：

/usr/local/cuda-8.0/lib:

    libcudart.so.5.0 -> libcudart.so.8.0.35

    libicudata.so.48 -> libicudata.so.48.1.1

    libcuda.so.1 -> libcuda.so.304.54

到这里cuda tolkit环境配置完成，接下来为了编译cuda8.0 samples(也就是以前的GPU Computing SDK)需要安装一些开发包，终端下输入：

sudo apt-get install g++ openmpi-bin openmpi-doc libopenmpi-dev freeglut3-dev libxi-dev libxmu-dev

默认Samples是安装在用户主目录下的，下面开始编译：

$ cd ~/NVIDIA_CUDA-8.0_Samples/

$ make -j8

这里其中多线程编译，对于双核以及更多核数的cpu能够明显减少编译时间，编译samples还是比较耗时间的。编译完成之后执行：

$ cd NVIDIA_CUDA-8.0_Samples/bin/linux/release/

$ ./deviceQuery

4：安装cudnn

   1：对应cuda版本下载cudnn资源：https://developer.nvidia.com/cudnn

    2：cudnn的安装很简单，只是把文件拷入cuda安装文件的对应位置，然后建立相应软连接即可。

      解压下载的cudnn，如果是.solitairetheme8格式转换成tgz文件再解压:

               cd /存放cudnn压缩包的地方

               cp  cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz

      再解压：
               tar -xvf cudnn-8.0-linux-x64-v5.1.tgz（文件夹内手动解压更方便）

      解压之后：
               cd /解压的cudnn安装包     #包里应该包含include和lib64两个文件夹
               sudo cp /include/cudnn.h /usr/local/cuda/include
               sudo cp -a /lib64/libcudnn* /usr/local/cuda/lib64

    3.如果软连接丢失，执行如下代码（建议有没有丢失都执行一遍，记住下面的文件名要和自己的对上，我这里      只是拿其中一个版本举例）

               sudo rm -rf libcudnn.so.6.5 libcudnn.so
               sudo ln -s libcudnn.so.6.5.18 libcudnn.so.6.5
               sudo ln -s libcudnn.so.6.5 libcudnn.so

               注意！！这里的软连接顺序很重要！
     至此，cuDNN安装完成。

5：安装opencv2.4.11

 1、资源下载，这里避免大家找资源困难，我分享了opencv2.4.11，链接：http://pan.baidu.com/s/1nvsgqXN 密码：kvlv

 2、这里借鉴博主：http://blog.csdn.net/lanbing510/article/details/41698517，如有侵权请告知删除。

6：安装anaconda

    下载地址：https://www.continuum.io/downloads
    至于哪个for Python版本自行选择。安装步骤官网里有详细步骤：

         bash   ~/anaconda文件全名.sh

7：tensorflow的安装

借鉴tensorflow官网的安装步骤https://www.tensorflow.org/install/install_linux，本菜鸟是基于anaconda开发包安装的，请选择好对应的anaconda版本安、安装tensorflow。

至此所有安装步骤完成，开启你的科研之旅吧，如有帮助，别忘了点个赞哦，如有错误麻烦评论告知，我也是个新手，勿喷勿喷啦，写了老长时间！嘿嘿。。。