写在前面

我是在11月20日左右配置的深度学习环境……怎么说呢，这个时间其实有点尴尬，很多东西都出了新版本，但可能不同工具之间一些由版本引起的问题还没有解决，所以，碰到了很多坑，还好最后都找到了解决办法。下面就给大家分享一下我参考的一篇非常靠谱的教程：深度学习tensorflow环境搭建（二）和内容连续的深度学习tensorflow环境搭建（三），以及每一个步骤里面一些你不注意可能会踩的坑……

1. 安装Ubuntu16.04和GPU

具体安装过程见深度学习tensorflow环境搭建（二） 安装Ubuntu16.04和GPU部分。

注意：关于安装Ubuntu16.04，如果你是默认安装，不用自己分区的话，一般不会有问题。但如果你需要自己分区，请一定注意一下分区的大小，不然后面就会出现安装装一半告诉你“/XXX/XX 空间不足”之类的错误。

下面是我只装了深度学习相关的东西之后电脑的情况：

系统是小伙伴装的，一开始他在 根目录/ 只分配了10G， /tmp 只分配了500M。注意虽然现在/tmp中的内容不多，但是在安装的过程中会产生很多东西，建议不要小于……2G？嗯……

2. 安装NVIDIA显卡驱动

具体安装过程见深度学习tensorflow环境搭建（二） 安装NVIDIA显卡部分。

注意：关于NVIDIA驱动的版本，我安装的时候已经出了387，链接中的作者装的时候出到了384，可能当时384还不太稳定，所以链接中的作者用了381，但是！……一开始我也用了381，但可能后面安装的CUDA版本偏高，381出现了问题，就改用384了。所以我建议，还是用384吧，至少我目前用了384没发现问题。

3. 安装CUDA

具体安装过程见深度学习tensorflow环境搭建（三） 安装CUDA部分。

注意：链接中作者下载的CUDA版本是8.0！但是如果你根据链接中给的地址直接登录CUDA官网的话，默认下载的是CUDA 9.0！如果你下载了9.0，那么恭喜你……最后虽然可能 import tensorflow 成功，但是会出现栈溢出的问题，详情见“sess.run(hello): stack smashing detected” 。所以……至少是目前，在这里下载CUDA 8.0 安装吧……

关于具体的安装过程，可以参考上面的链接，也可以参考官网 cuda installation。我是按照上面链接里的步骤安装的，出现了以下情况：命令行输 nvcc –version 时告诉我cuda toolkit没有安装，但宝宝明明在安装过程中选了“yes”啊……不过没关系，按照这时候命令行的提示（$sudo apt-get cuda-toolkit 之类的）再安装以下cuda toolkit就好。

4. 安装cuDNN

具体安装过程见cuDNN官网 cuDNN installation 2.2和2.3部分。

注意：我下载了v7，但是是cuda 9.0的v7，前面我参考的链接中下的是cuda 8.0的cuDNN v7，虽然目前我没发现问题，但为了保持一致，感觉还是用cuda8.0 的 cuDNN v7比较合理……至于我为什么没有这么做，因为这两天cuDNN下载的网站崩了啊……再就是，记得测试成功才算安装成功……

5. 安装anaconda

具体安装过程见深度学习tensorflow环境搭建（三） 安装anaconda部分。

注意：版本问题！链接中的作者最后使用anaconda安装的tensorflow，但我比较习惯用native pip安装。如果你想和链接中的作者一样用anaconda安装tensorflow的话，这时就不用再看我这篇blog了，直接跟着链接中的做法装吧，但如果你也想用native pip的话……这时不要安装python 3.6 version，而是在 download anaconda 页面下载python3.5 version的 Anaconda3-4.2.0-Linux-x86_64.sh，注意是anaconda3不是2，是 4.2.0。安装操作按照参考链接中的就可以，注意版本号以及添加相应的环境变量。

安装anaconda的好处在于可以集成化下载管理深度学习所需要的库，比如numpy,scipy之类，避免了后续再去挨个下载的麻烦。

6. 安装tensorflow

具体安装过程见官网 tensorflow installation 的native pip安装部分。

注意：如果第一次安装不成功，需要使用upgrade安装，因为我们用的是python 3.5 version 的anaconda，所以记得更换 https://……为与python 3.5对应的GPU support内容。

测试是否安装成功：命令行输入 python

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

常见错误：

1. no module named tensorflow
解决方案：在文件 /etc/profile (需要用sudo) 或 ~/.bashrc 中添加 PYTHONPARH：

$ vim ~/.bashrc

在文件末尾添加（路径按照个人的安装情况可能需要修改）：

export PYTHONPATH="/usr/local/lib/python3.5/dist-packages:$PYTHONPATH"

$ source ~/.bashrc

2. ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory
首先检查是否有 libcudnn.so.*

$ sudo find / -name libcudnn.so.*

首先 cd到libcudnn.so.*所在的目录下，然后建立软链接，比如：

$ cd /usr/local/cuda-8.0/lib64/
$ sudo ln -s libcudnn.so.7 libcudnn.so.6

其他常见问题可以参考我前面给的参考链接～

写在后面

希望本文可以对大家有所帮助～～ 版本问题真的是……很呵呵…… 宝宝再也不怕什么分区，什么配环境了……嗯！