近来入坑了TITAN 1080显卡，在Ubuntu 16.04下为装好驱动以使用Gpu版TensorFlow可不简单，踩了许多坑之后写下此篇为记录。

下载Cuda

按装官方教程，我们可以应该安装Cuda8.0和Cudnn V5.1，在此下载CUDA 8.0 Downloads | NVIDIA Developer

在这里最好选runfile local，因为选deb的话会遇到apt get的源损坏问题。

降级gcc和g++

由于Cuda不支持新版本的gcc和g++，所以如果建议先降级到4版本，方法见ubuntu 中 gcc/g++版本降级

安装显卡驱动

sudo apt-get install nvidia-367

安装Cuda

关闭你的图形界面

sudo service lightdm stop

此时电脑应该会黑屏，

CTRL + ALT + F1进入命令行，登录，cd 到你存放下载的目录，执行

sudo bash cuda_8.0.44_linux.run

然后你会看到如 Do you accept the previously read EULA?accept/decline/quit: 输入accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 3xx.xx? 输入 no

之后还会问你是否安装X configuration 输入no

安装好了之后，再用命令sudo bash cuda_8.0.44_linux.run -slient -driver 来安装驱动。

最后sudo service lightdm start或者重启。

设置Cuda环境变量

sudo vi ~/.bashrc

添加

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"export CUDA_HOME=/usr/local/cuda-8.0

保存退出

再source .bashrc

Cudnn 安装

下载Cudnn

在此处下载：Membership Required | NVIDIA Developer，这里你先得注册一个NVIDA账号，填写一堆问卷。 有两种方法，一是deb安装包，二是下载tar

方法一

选择 Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0下载 cuDNN v5.1 Runtime Library for Ubuntu16.04 Power8 (Deb)安装

方法二

二是下载tar，解压后会得到一个Cuda文件夹，复制到Cuda-8.0文件夹中

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

安装TensorFlow

这里我们使用Anaconda装Python3，

下载

下载好安装脚本之后， bash ~/Downloads/Anaconda3-4.3.0-Linux-x86_64.sh安装，记得在询问是否添加PATH时选择yes

pip install tensorflow-gpu

建立虚拟环境

新建环境conda create -n tensorflow 激活环境source activate tensorflow 此时已处于此环境下

安装TensorFlow

conda install tensorflow-gpu 这里Anaconda会自动安装依赖，直到全部完成

测试TF

$ python...>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print(sess.run(hello))Hello, TensorFlow!>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print(sess.run(a + b))42>>>

若打印一系列包含Gpu信息的说明，恭喜你，安装成功！！！

原文链接：Ubuntu 16.04下为TITAN 1080 显卡安装驱动(Cuda&CudNN)及Gpu版TensorFlow | loop in data

作者：江南消夏，不正经数据科学家

---