sudo gedit ~/.bashrc

在打开的文本文件末尾加上两行写入：[plain]view plaincopy print? exportPATH=/usr/local/cuda-8.0/bin:$PATHexportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

export PATH=/usr/local/cuda-8.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

继续添加：[plain]view plaincopy print? sudogedit/etc/profile

sudo gedit /etc/profile

在打开的文件中输入：注意：这一行代码网上很多是错误的，PATH与后面的等号不能存在空格

[plain]view plaincopy print? exportPATH=/usr/local/cuda/bin:$PATH

export PATH=/usr/local/cuda/bin:$PATH

[plain]view plaincopy print? <pre></pre><pre></pre><pre></pre><pre></pre><pre></pre><pre></pre>

创建链接文件，在命令行输入：[plain]view plaincopy print? sudogedit/etc/ld.so.conf.d/cuda.conf

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件末尾加上一行保存：[plain]view plaincopy print? /usr/local/cuda/lib64

/usr/local/cuda/lib64

（三）CUDNN安装：

然后进行解压，并将文件覆盖到指定目录，具体操作如下，作者使用的是cuda6.0，

不同版本的cudnn需要进行对应的更改，进入cudnn下载的目录，然后：

[plain]view plaincopy print? tarxvzfcudnn-8.0-Linux-x64-v5.1.tgzsudocpcuda/include/cudnn.h/usr/local/cuda/includesudocpcuda/lib64/libcudnn.so*/usr/local/cuda/lib64sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn.so*​

tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*​

[plain]view plaincopy print? sudoln-sflibcudnn.so.5.1.5libcudnn.so.5sudoln-sflibcudnn.so.5libcudnn.sosudoldconfig

sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5sudo ln -sf libcudnn.so.5 libcudnn.sosudo ldconfig

注意：作者这里最后使用的时CuDNN5.1的版本，但操作方式相同，原因会在后面详细说明

（四）Tensorflow安装：

anaconda安装：

和N卡相关的软件我们都已安装好，在安装tensorflow前，先进行科学计算库anaconda的安装。

本文是基于anaconda安装tensorflow的，在官网上下载对应的安装包，作者选择的是linux 64位 ，Python版本为2.7

安装完anaconda以后，使用conda命令在终端下新建一个tensorflow的环境，

输入指令后系统会自动下载所依赖的软件库

[plain]view plaincopy print? condacreate-ntensorflowpython=2.7

conda create -n tensorflow python=2.7

tensorflow安装：

进入正题了，首先进入tensorflow的环境，输入：

[plain]view plaincopy print? sourceactivatetensorflow

source activate tensorflow

（这一步时配置tensorflow环境，tensorflow还未安装）

进入tensorflow环境后，开始安装tensorflow，输入：[plain]view plaincopy print? pipinstalltensorflow

pip install tensorflow

如果下载速度过慢，可以搭个梯子，在github上tensorflow的官网也可下载

安装完tensorflow后，在终端中进入python

测试

pythonimport tensorflow as tf

若没有报错，则安装成功

jupyter notebook安装：

在终端下显然不能够便捷地调试和编译深度学习程序，因此作者推荐安装jupyter notebook，同样地，打开终端，进入tensorflow环境，输入：

[plain]view plaincopy print? pipinstalljupyternotebook

pip install jupyter notebook

安装完成后，在终端输入 jupyter noteook即可打开，记住要在tensorflow的环境下打开，因为我们是把jupyter安装在此环境下的。

（五）远程连接教程：

windows端:

登录到远程计算机后，输入账户和密码，就可以进入远程计算机的终端了（请先配置完linux端再进行此操作）

linux端

这里作者推荐这两篇博客，写的很详细，交叉阅览，很快能掌握：

解决了如何生成秘钥的问题：

/u013473520/article/details/50696771

解决了如果登陆失败，则有可能是服务器防火墙设置的问题

/bitboy_star/article/details/51427306

（六）总结一下安装思路：

（1）先安装linux操作系统，

（2）安装对应的显卡驱动，以及深度学习用的加速库CUDA和CUDNN。

（3）安装anaconda

（4）在tensorflow环境下安装tensorflow和jupyter notebook

（5）远程配置

（七）目前已知安装过程中遇到的问题汇总

（1）CuDNN版本选择

在配置CuDNN时，我一开始选择的版本是CuDNN6，但是因为我tensorflow中，整合的时cuda8.0+CuDNN5.1版本，因此在运行mnist时，会提示：

缺少cuda5.0，no such file or directory。解决这个问题有两个办法：

1.如果想使用6.0的CuDNN直接去github上面下载tensorflow的源码，使用bazel进行编译,具体可以参考这篇使用bazel编译tensorflow的教程：

/zhaoyu106/article/details/52793183/

2.在nvidia的网站上下载CuDNN5.1版本，按照（三）中的流程重新覆盖安装

（2）配置SSH远程访问

如果按照（五）中配置完jupyter notebook的远程访问还不能访问，一种原因是因为没有安装SSH server，这里给出安装ssh server的网址：

/article/9c69d48fb9fd7b13c8024e6b.html

有很详细的linux端配置ssh教程和如何在windows端连接的教程

（3）启动流程

linux端：按下启动键，windows端：打开putty，远程访问linux主机，启动tensorflow环境，启动jupyter notebook，在浏览器中打开jupyter notebook。此时运行mnist例子是没有问题的。给出一个mnist例子的链接：

/JimReno/TensorFlow-Examples/tree/master/examples/3_NeuralNetworks

复制里面的convolutional_network到你新建的jupyter notebook下，然后运行。

（4）TIPS1.在训练过程中，如果需要查看显卡使用情况可以在终端输入查看：[plain]view plaincopy print? nvidia-smi

nvidia-smi

2.如果在linux上的下载速度太慢，可以在windows搭梯子，提前把tensorflow和numpy等安装包下载好，然后直接pip install下载的文件就可以了。

(5) GCC自动升级问题：

用了一周左右，发现gcc自动升级到5.4之后，跑程序的时候无法使用cuda加速了。解决办法：降级GCC到4.9

此外，对linux操作系统不熟悉的读者，安装过程中可能会出现很多问题，因此我推荐一些我安装时查阅的博客和网站，其次大家可以把遇到的问题放在百度里面搜索，搭建环境这类的博客文章很多。

参考文献：

cuda添加环境变量：/Tcorpion/article/details/52740920

极客学院的tensorflow安装指南：/project/tensorflow-zh/get_started/os_setup.html

和本文类似的安装tensorflow的指南，可以交叉阅读：/dabokele/article/details/53013921

CUDA安装时，如果GCC的降级，和CUDA samples的运行可以参考：/Linux/-01/139320.htm

python的官网也有tensorflow-gpu的whl包，下载完成后用pip命令安装即可/pypi/tensorflow-gpu