马上学tensorflow2.0Ubuntu安装tensorflow2.0的CPU或GPU版本
大家好，今天我们学习【马上学tensorflow 2.0】之 Ubuntu系统安装tensorflow2.0的CPU或GPU版本。
我们 马上学三点 ，
安装Anaconda安装CPU版本安装GPU版本，包括CUDA和cuDNN大家可以点选下面的“ 了解更多 ”，或搜寻“ 马上学123 ”，观看视讯PPT讲义。
安装 Anaconda （python环境）
Anaconda是一个非常强大的python工具， 安装Anaconda后，我们就拥有了python环境和大量包， 功能非常强大，可以节省很多流程，省时省心。下载地址：
https://www.anaconda.com/distribution/
选择Linux图示， “下载”按钮上点右键复制下载连结。
在终端输入下面的命令下载
wget https://repo.anaconda.com/archive/Anaconda3-2019.03-Linux-x86_64.sh
执行sh命令安装：
sh Anaconda3-2019.03-Linux-x86_64.sh
注意：安装快结束的时候，输出会提示“是否配置环境变数”，选择yes。
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>>
或者自己配置环境变数:
vim ~/.bashrc
在最后新增下面一行：
export PATH=~/anaconda3/bin:$PATH
储存后，重新开启一个终端， 或者使用命令启用修改后的环境变数：
source ~/.bashrc
方案一：使用命令安装 CUDA和cuDNN
去官网检视安装命令：
地址： https://tensorflow.google.cn/install/gpu
安装命令：
# 新增NVIDIA包储存库
# 为apt-key新增HTTPS支援
sudo apt-get install gnupg-curl
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_10.0.130-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_10.0.130-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt-get update
# 安装NVIDIA驱动程式，需要建立/usr/lib/nvidia
sudo mkdir /usr/lib/nvidia
sudo apt-get install --no-install-recommends nvidia-410
# 重启。使用命令 “nvidia-smi”检查GPU驱动是否安装成功
# 安装CUDA 和cuDNN
sudo apt-get install --no-install-recommends
cuda-10-0
libcudnn7=7.4.1.5-1+cuda10.0
libcudnn7-dev=7.4.1.5-1+cuda10.0
按照上面的命令， 先安装驱动，重启，
使用命令 “nvidia-smi”检查GPU驱动是否安装成功， 然后安装CUDA 和cuDNN。
通过这些命令安装的CUDA是很简洁的版本， 安装简单，不需要配置环境。
还有一种方法，直接使用conda命令安装 “conda install tensorflow-gpu" ， 它会自己安装CUDA和cuDNN依赖库。 一条命令就可以搞定。 但是conda的版本更新慢，目前还没有2.0的版本。
你也可以检视下文自己下载CUDA档案安装，设定环境变数的版本。
方案二，下载档案后安装CUDA和cuDNN：
安装CUDA
登陆Nvidia官网: https://developer.nvidia.com/cuda-toolkit-archive选择我们需要的 “CUDA Toolkit 10.0 ”版本， 进入后选择Ubuntu版本，
这里有两种方法：
第一种方案run档案，下载 “runfile (local)”版本
检视驱动的版本号： cat /proc/driver/nvidia/version 必须高于 410。
下载完成后，执行： sudo sh cuda_10.0.130_410.48_linux.run
按照提示安装，我的驱动高于410， 所以第一个选择了 no，其它选择 yes。
第二种方案，下载deb档案 (我的安装出现问题，下载的是10.0版本，安装后变成10.1版本)：
在档案所在目录下， 执行下面的命令安装：
# 解压到 /var/cuda-repo-* 目录下
sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
设定环境变数:
vim ~/.bashrc
末尾新增：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64/"
export LIBRARY_PATH="$LIBRARY_PATH:/usr/local/cuda/lib64"
检视驱动的版本号： cat /proc/driver/nvidia/version
使用 “nvidia-smi” 检视驱动是否安装成功， 使用“watch -n 1 nvidia-smi”实时监控GPU， 每秒重新整理一次，这个训练模型时很有用。
使用“nvcc -V” 检视CUDA是否安装成功， 这会显示CUDA的版本号。
安装cuDNN
接下来安装cuDNN， 下载地址： https://developer.nvidia.com/rdp/cudnn-archive需要在nvidia上注册账号， 使用邮箱注册就可以，登陆账号后才能下载。 然后选择上面要求的 cuDNN 7.4.1，选择对应“cuDNN Library for Linux”版本。
下载完cudnn后，
# 解压档案到预设的cuda档案
tar zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz
# 复制标头档案、动态档案和软连结到系统CUDA对应目录
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
检视cudnn是否安装成功， 看它的版本号是否正确，标头档案中有记录。
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装 tensorflow-gpu
在windows的“开始”选单中找到刚刚安装的“Anaconda3 (64-bit)”， 执行“Anaconda Prompt”，开启终端命令视窗。tensorflow 2.0安装命令：
''' pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.tuna.tsinghua.edu.cn/simple
'''
"-i"从清华的映象安装，速度会快非常多。
测试 tensorflow 2.0是否安装成功
我们在刚刚的“Anaconda Prompt”命令视窗中， 输入“python”进入python互动模式， 输入下面的两行程式码：
import tensorflow as tf
print(tf.__version__)
tf.test.gpu_device_name()
tf.test.is_gpu_available()
对应的输出:
2.0.0-beta1
'/device:GPU:0'
True
没有报错，说明安装成功了。
总结：
Ubuntu系统安装tensorflow2.0的GPU版本， 需要严格按照官方的版本要求安装， 比如我使用deb安装CUDA，变成了10.1版本，这是不支援的， 改成run档案安装就成功了。这里讲了三点，关键词有哪几个？
问题，你觉得新手一定要安装GPU版本吗？
欢迎回复评论!
马上学，很简单！
