ubuntu16.04服務器上無root權限，配置個人tensorflow環境--cuda9.0+cuDNN7+tensorflow-gpu-1.8

本人在服務器上已經用Anconda創建好python3.5的環境，這個網上有一大堆教程。接下來是重點。

1. cuda的安裝

https://developer.nvidia.com/cuda-downloads，選runfile(local)這個文件下載然后執行如下代碼

  sh cuda_9.0.176_384.81_linux-run

  chmod +x filename.run #如果不能直接運行，執行這個命令

在協議中選擇同意EULA（accept）,不安裝driver installation （no）,然后再安裝cuda時選擇個人用戶的目錄，如/home/yourname/cuda9,以及cudasamples的目錄。

nvidia-smi #查看顯卡驅動運行狀態
nvcc -V  #查看cuda-toolkit安裝是否成功

 

2.cuDNN文件導入cuda安裝目錄對應的位置

https://developer.nvidia.com/cudnn，這個需要注冊，然后選擇cudnn-9.0-linux-x64-v7.tgz這個下載--lib庫

cp cuda/include/cudnn.h cuda9/include/ #cuda9是個人用戶的下的目錄/home/yourname/cuda9
cp cuda /lib64/libcudnn* cuda9/lib64/
chmod a+r cuda9/include/cudnn/h cuda9/lib64/libcudnn* 

cat ~/cuda91/include/cudnn.h | grep CUDNN_MAJOR -A5 #查看cuDNN安裝狀態

#查看結果
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5

#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

 

3.在自己的.bashrc文件里添加環境變量

export PATH=/home/yourname/cuda9/bin:$PATH” #加入文件中
export LD_LIBRARY_PATH=/home/yourname/cuda9/lib64/ #加入文件中
source ~/.bashrc #使修改后的環境變量生效

4.安裝並測試tensorflow

import tensorflow as tf
x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME')
with tf.Session() as sess:
    sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]