出品 | 磐創AI技術團隊
【磐創AI導讀】：本文詳細介紹了tensorflow-gpu在Ubuntu下的安裝步驟。歡迎大家點擊上方藍字關注我們的公眾號：磐創AI。
硬體環境：NVIDIA GTX 980 Ti
系統環境：Ubuntu 16.04 64位
一.安裝 NVIDIA驅動
1. 關閉 Secure Boot
具體如何禁用 BIOS 中的 Secure Boot 要根據主板的情況。
以華碩主板的禁用方法為例：
首先進入 BIOS，然後選擇 Boot ，進入 Secure Boot 界面：
確定 "OS Type" 是 "Windows UEFI"
進入 "Key Management"
選擇 "Clear Secure Boot keys"
在你清除 " Secure Boot keys" 之後，你將會有 "Install default Secure Boot keys" 選項來恢復默認的 keys 。
在你清除 " Secure Boot keys" 之後， Secure Boot 會被自動關閉，你現在可以設置 "OS Type" 為 "Other OS"。
設置完成之後的效果：
2.禁用 nouveau driver
控制臺輸入命令，創建一個文件通過命令
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
並添加如下內容：
blacklist nouveau
options nouveau modeset=0
再更新一下
sudo update-initramfs -u
修改之後需要重啟系統。確認下nouveau是已經禁用，可以使用命令：
lsmod | grep nouveau
3.在字符界面下安裝驅動
首先添加ppa庫，然後通過ppa安裝顯卡驅動，使用以下命令添加：
sudo add-apt-repository ppa:graphics-drivers/ppa
關閉圖形化環境
首先進入 Ubuntu 系統字符界面，使用組合鍵 ALT+CTRL+F1 進入字符界面。
為了確保驅動能夠正常安裝，我們需要暫時關閉x-window服務（圖形環境），在文本模式下輸入命令進行關閉：
sudo service lightdm stop
安裝驅動
首先通過以下命令來查看 NVIDIA VGA card model
sudo lshw -numeric -C display
可以使用命令：
ubuntu-drivers devices
來查看可以使用的驅動，如圖：
輸入以下命令，直接安裝驅動：
sudo apt-get update && sudo apt-get install nvidia-384
進入系統，我們要看剛剛的顯卡驅動是否已經正確安裝成功，通過下面命令查看：
nvidia-smi
如圖所示顯卡驅動已經正確安裝，顯卡的型號是 GTX 980 Ti。
二.安裝 CUDA
1.確定和 TensorFlow 對應的 CUDA 版本
TensorFlow GitHub 頁面查看依賴的版本：
https://github.com/tensorflow/tensorflow/releases
2. 下載和安裝
因為 CUDA 8 兼容的gcc 版本是 4.9 ，但是ubuntu 16.04 默認的是 gcc 5，所以需要gcc降版本。
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
下載地址：
https://developer.nvidia.com/cuda-downloads
因為上一步已經安裝了顯卡驅動，所以這裡要選 no 。
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
(y)es/(n)o/(q)uit: n
3.設置環境變量
配置CUDA環境變量
export PATH="$PATH:/usr/local/cuda-8.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
三.安裝cuDNN
1.確定版本
TensorFlow GitHub 頁面查看依賴的版本：
https://github.com/tensorflow/tensorflow/releases
2.下載
下載地址：
https://developer.nvidia.com/cudnn
3.安裝
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
四.安裝 tensorflow-gpu
直接安裝
pip install tensorflow-gpu
指定版本安裝：
例如，要安裝 tensorflow-gpu 1.4
pip install tensorflow-gpu==1.4
安裝完成
參考教程：
https://blog.csdn.net/roach_zfq/article/details/53883976
https://www.cnblogs.com/xuliangxing/p/7569946.html
https://www.linuxidc.com/Linux/2016-11/137561.htm
https://blog.csdn.net/qq_30520759/article/details/78947034
你也許還想看：
● 一文徹底搞懂BP算法：原理推導+數據演示+項目實戰（上篇）
● TensorFlow + Keras 實戰 YOLO v3 目標檢測圖文並茂教程（文末有驚喜）
● 入門 | Tensorflow實戰講解神經網絡搭建詳細過程
Tips：歡迎大家點擊最下方二維碼關注我們的公眾號，點擊乾貨資源專欄或發送關鍵字「資源」獲取更多資源推薦。關注我們的歷史文章，一起暢遊在深度學習的世界中。我們期待你的留言和投稿，共建交流平臺。來稿請寄:voice1235@163.com。
歡迎掃碼進入相應技術交流群：
點擊下方 | 閱讀原文 | 了解更多