在ubuntu上配置tensorflow 1.7+CUDA踩过的坑
在ubuntu上配置tensorflow 1.7+CUDA踩过的坑
在ubuntu上配置tensorflow 1.7+CUDA踩过的坑
tensorflow1.6+CUDA9.0+cuDNN7.0整个环境在windows下正常工作。因为需要就要把项目整到ubuntu上面跑测试，于是就调到坑里面去了，先说一下版本
- ubuntu 14 64位
- python3.4
- tensorflow1.7 GPU
网上查了一下说tensorflow1.7支持CUDA9.0，于是就下载了CUDA9.0开始安装，但是死活装不上，不管是下载local还是network的installer，总是报错，查了一下发现是没有装驱动于是下载384的驱动，安装好了之后，装到最后又挂了，根据抛出的错误找到英伟达的论坛，里面的官方回答是CUDA9.0与CUDA9.1必须安装387.x的驱动，于是有装上，在终端执行下面命令行：
终于把CUDA装好了，然后下载cuDNN7.0，通过下面命令安装即可，（注意顺序很重要）
- sudo dpkg -i libcudnn77.0.3.11-1+cuda9.0amd64.deb
- sudo dpkg -i libcudnn7-dev7.0.3.11-1+cuda9.0amd64.deb
- sudo dpkg -i libcudnn7-doc7.0.3.11-1+cuda9.0amd64.deb
安装好了之后CUDA9.0+cuDNN7.0就在ubuntu14上安装好了。可以支持tensorflow 1.7的代码运行与测试了。但是当时第一次配置的时候，我以为tensorflow1.7官方release支持CUDA9.1，所以刚开始装了CUDA9.1，然后就悲剧了，各种命令卸载，最终直接暴力删文件夹，再命令autoremove终于把CUDA9.1干掉了。由于是第一次整ubuntu的配置，各种查资料查命令，掉了好几次坑，总结如下：
- tensorflow 1.6/tensorflow1.7支持CUDA9.0+cuDNN7.0
- 安装CUDA失败，记得首先检查驱动安装以及驱动版本号，CUDA9.0对应的驱动387.x
- 卸载CUDA，一定要暴力，不然没法玩！
- 在安装tensorflow之前，一定记得检查一下python版本，把默认python设置为python3.x
常见错误：
错误：ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
问题：
找不到cuda9.0的版本。
原因：
是因为装了不匹配的cuda9.1的版本，所以只有卸载重装。
ERROR:
You appear to be running an X server; please exit X before installing. For further details, please see the section INSTALLING THE NVIDIA DRIVER in the README available on the Linux driver download page at www.nvidia.com
问题与原因：
没有关闭X-Server，必须关闭，然后切换到命令行运行方式下，在图形界面下会一直有这个问题！坑死人！
使用tensorflow GPU支持的时候，多个GPU通过制定使用一个GPU运行时候，尽量要通过设置soft的方式执行，不然在复杂的操作中容易掉坑里面去，soft的方式如下：
log_device_placement = Trueconfig = tf.ConfigProto(log_device_placement=log_device_placement)with tf.Session(config=config) as sess: # do something # ops硬来的方式如下：
with tf.device('/gpu:0'): a = tf.placeholder(tf.float32, [10000, 10000]) b = tf.placeholder(tf.float32, [10000, 10000]) # Compute A^n and B^n and store results in c1 c1.append(matpow(a, n)) c1.append(matpow(b, n))设置好GPU支持，就可以在ubuntu下开始运行程序测试了。最后上一张图看看运行时候的效果：
NVIDIA cuda下载地址
- https://developer.nvidia.com/accelerated-computing-toolkit
- https://developer.nvidia.com/cudnn
- https://developer.nvidia.com/cuda-downloads
求木之长者，必固其根本；
欲流之远者，必浚其泉源！