tensorflow for GPU build from so
深度学习主机环境配置:
Ubuntu16.04+Nvidia GTX 1080Ti+CUDA9.0+cuDNN7.0.3+nvidia driver 384
1.安装Ubuntu16.04,安装完毕后Ubuntu
16.04的分辨率很低.
更新：
sudo apt-get upgrade
2.查看gcc版本号
gcc-v
目前的cuda8.0已支持gcc
5.4版本了。
2.安装GTX1080驱动
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-getinstall mesa-common-dev
sudo apt-get install freeglut3-dev
以上方法是目前最为稳定的简单的显卡驱动安装方法，之后重启系统让GTX1080显卡驱动生效。
3.下载和安装CUDA
下载的“cuda_8.0.61_linux.run”有1.45G，按照Nivdia官方给出的方法安装CUDA8：
sudo sh cuda_8.0.27_linux.run --tmpdir=/opt/temp/
提示中：Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
答案必须是n，否则之前安装的GTX1080驱动就白费了，而且问题多多。
安装完毕后，再声明一下环境变量，并将其写入到~/.bashrc的尾部:
在home处按下ctrl+h显示隐藏文件，然后编辑bashrc文件，添加一下两行到最后。
export PATH=/usr/local/cuda-8.0/bin\${PATH:+:\${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}
然后source ~/.bashrc更新文件。
最后再来测试一下CUDA，运行：
nvidia-smi
nvcc-V
因为我们不是从官网的run文件安装的驱动，我们要手动将将驱动路径加入到环境变量LIBRARY_PATH中，I
have nvidia-367 driver and I didn't install the driver from the run
file. Would you please help me how I can fix this?
Analternative is to set LIBRARY_PATH to include /use/lib/nvidia-*/like:
$ LIBRARY_PATH=/usr/lib/nvidia-你的版本号:$LIBRARY_PATH make
测试cuda8.0是否安装成功,到NVIDIA_CUDA-8.0_Samples安装目录下，运行以上的make命令。
大约十分钟后，显示bulidfinished。
$cd ./NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release/
$./deviceQuery
提示如下错误：
zyl@zyl-PC:/usr/local/cuda/samples/1_Utilities/deviceQuery$ ./deviceQuery./deviceQuery Starting...CUDA Device Query (Runtime API) version (CUDART static linking)modprobe: ERROR: could not insert 'nvidia_340_uvm': Invalid argumentcudaGetDeviceCount returned 30-> unknown errorResult = FAIL
尝试解决：sudo reboot
安装cudnn5.1
在csdn上下载，CSDN提供了下载地址：http://download.csdn.net/download/hearthougan/9889201。注册一个帐号送3分，免费下载资源。下载Cudnnv5.1，进入下载目录，执行下列命令：
tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz
解压完成。
添加头文件和库文件
sudo cp include/cudnn.h /usr/local/include
sudo cp lib64/libcudnn.* /usr/local/lib
添加系统环境变量:/etc/profile文件中,
$sudo gedit /etc/profile,文件末尾加上一行保存：export PATH = /usr/local/cuda/bin:$PATH
创建链接文件：sudo gedit /etc/ld.so.conf.d/cuda.conf，文件中加上一行保存：/usr/local/cuda/lib64
$sudo gedit /etc/profile
在最后添加export PATH = /usr/local/cuda/bin:$PATH
$cd /usr/local/cuda/lib64/
$ rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件sudo mv $sudo/usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
$sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
$sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
$sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
安装tensorflow
安装bazel
由于本教程使用tensorflow源码编译/安装，所以需要使用bazel
build。链接：https://www.bazel.io/versions/master/docs/install.html
安装第三方库
$ sudo apt-get install python-numpy swig python-dev python-wheel
$sudo apt-get install gitgit clone git://github.com/numpy/numpy.git numpy
下载tensorflow
在terminal中输入以下命令
git clone https://github.com/tensorflow/tensorflow
默认下载目录是在/home下
在terminal中输入以下命令：
cd ~/tensorflow #切换到tensorflow文件夹
./configure #执行configure文件
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda//tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
cd /tmp/tensorflow_pkg
ls#显示了生成的wheel
sudo pip install 上面生成的wheel文件
设置环境
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package# To build with GPU support:
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .python setup.py develop
最后建议$
sudo apt-get install python-pip
用pip安装jupyter
notebook以及其它的安装包
完美运行，可复制。
以上仅作参考。
