在本文中，我们将深入探讨如何在Ubuntu 16.04操作系统上安装TensorFlow GPU版本，以便进行高效、大规模的深度学习。TensorFlow是Google开源的一款强大的机器学习库，而其GPU版本则利用NVIDIA图形处理器的强大计算能力，显著加速模型训练过程。以下是详细的安装步骤和相关知识点。
1. **系统需求**：
- Ubuntu 16.04 LTS (Xenial Xerus)
- NVIDIA GPU：支持CUDA计算能力3.0或更高
- NVIDIA驱动程序
- CuDNN (CUDA深度神经网络库)
- CUDA Toolkit
2. **禁用 Nouveau 驱动**：
- Nouveau是开源的NVIDIA驱动，但与CUDA不兼容。需要确保它被禁用。
- 编辑`/etc/modprobe.d/blacklist-nouveau.conf`，添加以下行：
```
blacklist nouveau
options nouveau modeset=0
```
- 重新启动系统。
3. **安装NVIDIA驱动**：
- 添加NVIDIA官方库：
```
sudo add-apt-repository ppa:graphics-drivers/ppa
```
- 更新软件源：
```
sudo apt-get update
```
- 安装最新稳定版驱动：
```
sudo apt-get install nvidia-driver-XXX（替换XXX为当前稳定版本号）
```
- 重启系统，验证驱动安装成功。
4. **安装CUDA Toolkit**：
- 访问NVIDIA官方网站下载CUDA Toolkit的.run文件。
- 给.run文件赋予执行权限：
```
chmod +x cuda_XX.X_XX.X_linux.run （替换XX为对应版本号）
```
- 运行安装脚本：
```
sudo ./cuda_XX.X_XX.X_linux.run --no-opengl-libs --override
```
- 设置环境变量：
```
echo "export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}" >> ~/.bashrc
echo "export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}" >> ~/.bashrc
source ~/.bashrc
```
5. **安装CuDNN**：
- 在NVIDIA开发者网站注册并下载CuDNN压缩包。
- 解压并复制到CUDA目录：
```
sudo cp -r cuDNN vX.Y.Z/include/* /usr/local/cuda/include/
sudo cp -r cuDNN vX.Y.Z/lib64/* /usr/local/cuda/lib64/
```
- 更新库文件：
```
sudo ldconfig
```
6. **安装TensorFlow-GPU**：
- 首先安装Python和pip：
```
sudo apt-get install python-pip python-dev
```
- 安装numpy和其他依赖库：
```
pip install numpy scipy matplotlib ipython ipython-notebook pandas sympy scikit-learn
```
- 安装TensorFlow-GPU：
```
pip install tensorflow-gpu==1.15.0
```
- 检查安装：
```
python -c "import tensorflow as tf; print(tf.__version__)"
```
7. **配置TensorFlow**：
- 创建`.tfconfig.json`文件以指定GPU设备：
```json
{
"cluster": {},
"environment": {
"gpus": "all"
},
"task": {"type": "", "index": 0}
}
```
- 将此文件放在工作目录下。
8. **测试运行**：
- 运行一个简单的TensorFlow示例来确认GPU已被正确识别：
```python
import tensorflow as tf
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
```
通过以上步骤，你已经在Ubuntu 16.04上成功安装了TensorFlow GPU版本，现在可以开始享受深度学习带来的速度提升。记住，确保在进行模型训练前，更新你的NVIDIA驱动和CUDA/CuDNN到最新稳定版本，以充分利用GPU性能。同时，注意监控GPU温度和内存使用，避免过热或资源耗尽。
tensorflow-gpu-install-ubuntu-16_04-master.zip （1个子文件） 
tensorflow-gpu-install-ubuntu-16.04-master 
README.md 5KB
