我們將經歷幾個階段，安裝cuda-9.0，cudnn和tensorflow cpu以及tensorflow gpu版本。最后我們將用cuda-9.0安裝pytorch。在MARVEl電影中黑寡婦的“我與這場戰爭作戰，所以你不必”。
昨天晚上，2018年4月29日，我成功在Ubuntu 18.04上安裝了Tensorflow。但是，安裝Tensorflow的關鍵是正確安裝Cuda和cuDNN libray，因為昨晚Tensorflow編譯的運行文件只支持cuda-9.0。檢查這個帖子是不是已經過時。 在我們安裝Cuda-9.0之前，您可能需要將ubuntu鏡像源網站更改為適合您的最新版本。我把它改成了mirro.ustc.edu.cn， 因為我在中國安徽合肥。和ubuntu16.04不同，你需要顯示應用程序頁面中搜索軟件和更新。 然后請將GPU驅動更改為由Nvidia測試的390版本。
安裝Cuda-9.0
閱讀完Tensorflow網站，我們知道我們必須首先安裝cuda9.0。首先百度CUDA-9.0 ,.然后選擇linux，然后ubuntu-16.04，最后下載runfile，即1.6 GB，但可以非常快速地下載。
在我們安裝runfile之前，我們需要安裝一些依賴關系，否則你會得到“Missing recommended libary”這樣的警告。
安裝像這樣的依賴關系。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev接下來，讓我們像這樣一樣安裝cuda-9.0。
sudo chmod 777 *.runfile # give permission to run all the runfile files sudo ./cuda_9.0.176_384.81_linux.run -toolkit -samples -silent -override #cuda-9.0安裝路徑是“/usr/local/cuda-9.0”。為避免missing libray錯誤，我們在cuda-9.0的這個目錄中創建一個符號鏈接“cuda”。
cd /usr/local sudo ln -s /usr/local/cuda-9.0 cuda # create the symbolic link在驗證我們安裝cuda-9.0之前，我們會降低我們的gcc版本，否則我們會得到”gcc later than 6 is not supported error” 這樣的錯誤。
檢查這個和Ubuntun 18.04上的gcc版本，我們決定降低我們的gcc版本。
gcc --version # check ubuntu 18.04 gcc version, you will find it's 7.3.0 sudo apt install gcc-5 g++-5 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 # you will find that message that tells you the gcc-5 is set to be automatic. sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50 # similiar message as gcc將cuda設置為環境變量
export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}驗證cuda-9.0安裝
cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL make clean && make ./fluidsGL如果cuda-9.0正確安裝，在我們的制作過程中應該沒有錯誤信息。然后我們可以得到流體模擬。
我們的cuda-9.0已成功安裝！在我們繼續之前， 我們可以測試一下其他的sample。
安裝cuDNN7.0
讓我們安裝cuDNN庫來加速我們的深度學習算法。注冊，點擊“Archived cuDNN Releases”。然后下載 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下載三個文件ubuntu16.04文件 runtime library. developer library, and code samples and user guide。
sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb安裝Freeimage
在我們驗證cuDNN之前，我們必須首先安裝freeimage lilbray作為ministCUDNN示例代碼的依賴關系。否則，會有提示要求我們正確設置Freeimage。
sudo apt-get install libfreeimage3 libfreeimage-dev驗證cuDNN安裝
cp -r /usr/src/cudnn_samples_v7/ $HOME cd $HOME/cudnn_samples_v7/mnistCUDNN make clean && make ./mnistCUDNN如果一切正常，我們可以得到我們的結果 - “測試通過！”
我們也可以編譯其他示例。
安裝Tensorlfow
我們將使用virualenv安裝。 首先安裝libcupti-dev庫。
sudo apt-get install libcupti-dev export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64然后我們將安裝virtualenv並創建一個Tensorflow Environment。
sudo apt-get install python3-pip python3-dev python-virtualenv virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow這需要一段時間，請耐心等待。
安裝Tensorflow CPU版本
當環境創建好了，我們必須在每次使用tensorflow時激活它。首先按照推薦安裝tensorflow cpu version。
source ~/tensorflow/bin/activate pip3 install --upgrade tensorflow # install the cpu version驗證Tensorflow CPU版本
在同一個環境中，這意味着你會在你的shell中看到它。
(tensorflow)$鍵入python和下面的python代碼。
python# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))這是我的結果。雖然它與官方驗證結果不同，但是應該沒問題。
>>> print(sess.run(hello)) b'Hello, TensorFlow!' >>>
###安裝Tensorflow GPU版本 首先確保我們處於同一環境中。
pip3 install --upgrade tensorflow-gpu但是,下載whl文件的網速較慢。所以我們可以用自己的“方法”到瀏覽器中的whl文件和本地pip3安裝。
驗證Tensorflow GPU版本
仍然確保你在Tensorflow Enviroment。
鍵入python和下面的python代碼。
python# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))結果是一樣的。但是我們可以看到我們的GPU設備正在工作。您可以在下面的測試結果中看到我的GTX 1050 Ti。
我們在Ubuntu 18.04上成功安裝了Tensorflow。 您可以在Tensorflow網站上測試更多的模型，git克隆模型庫非常緩慢。因此，我們也可以用“自己的方法”在瀏覽器中下載張量流模型庫。 This my fisrt example.
##安裝Pytorch 我們將使用由pytorch推薦的軟件包管理器Anaconda來安裝它。 ###安裝Anaconda 我在合肥,所以我選擇科大鏡像來下載anaconda安裝的.sh文件。 在我們安裝了Anaconda之后。我們必須改變“Anaconda3”的擁有者，否則我們不能將文件寫入此目錄。 我們檢查我們的用戶名和用戶組。
groups第一組通常是你現在的組。 這是我的結果。
由於我的用戶組是bryan，我的用戶名也是bryan。所以我會將下面的命令改為“chown -R bryan：brayn anaconda3”。“-R”的意思是迭代，這個參數將改變整個anacodna3文件的所有者。
chown -R YOUR_GROUp:YOUR_USER_name anaconda3更改Anaconda頻道
在安裝pytorch之前，我們可以設置Anaconda鏡像源以減少等待時間。同樣，我的鏡像源是科大鏡像。
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes###安裝Pytorch 然后我們可以去pytorch網站。選擇linux，python版本為3.6，cuda版本為9.0。請不要執行這個命令。 后一個pytorch意味着我們將從它的官方網站下載pytorch，這對我來說非常緩慢。因此，將最后一個pytorch替換為適合您的鏡像源。
conda install pytorch torchvision cuda91 -c https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/驗證Pytorch
您可以嘗試pytoch webstie上的示例。這是我的結果。
恭喜安裝成功！如果本教程任何問題，請發郵件給我。
原文：https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html