Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
目录
安装流程
1、安装nvidia显卡驱动
2、安装cuda8
3、安装Cudnn
4、Anaconda下载和安装
5、官方Anocuda介绍安装攻略
6、进入Jupyter Notebook
7、Tensorflow安装、验证
相关文章Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略ML之Anaconda：关于Anaconda集成平台简介、安装、使用方法的详细攻略ML之Anaconda：在Anaconda中的常用的conda命令集合（分门别类+非常细化）Anaconda：基于Anaconda(python集成环境)平台tensorflow安装、运行之最强详细攻略
安装流程 1、安装nvidia显卡驱动安装深度学习框架需要使用cuda/cudnn(GPU)来加速计算，而安装cuda/cudnn，首先需要安装nvidia的显卡驱动。 http://www.geforce.cn/drivers 或者 http://www.nvidia.com/Download/index.aspx?lang=en-us ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。
sudo vim /etc/modprobe.d/blacklist.conf #编辑文件blacklist.conf 在文件最后部分插入以下两行内容 blacklist nouveau options nouveau modeset=0 sudo update-initramfs -u #更新系统后，重启系统（一定要重启）
验证nouveau是否已禁用 lsmod | grep nouveau #没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。
(1)、禁用自带的nouveau驱动（重要步骤！）
运行命令创建相关文件： sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 并在文件中添加如下内容： blacklist nouveau options nouveau modeset=0 sudo update-initramfs -u #更新后，重启系统 lsmod | grep nouveau #查看是否禁用成功。如如果没有输出则禁用成功 Ctrl+Alt+F1 #通过如下命令进入命令行模式 sudo service lightdm stop #关闭X-Window
(2)、安装驱动：
sudo apt-get remove –purge nvidia* #卸载你电脑中此刻有的nvidia的驱动 sudo add-apt-repository ppa:xorg-edgers/ppa -y sudo apt-get update sudo apt-get install nvidia-384 #(根据需要选择版本，注意CUDA9.0与CUDA9.1必须安装387.x的驱动)
sudo service lightdm start #安装完毕之后重启X-Window
(3)、进入终端
CTRL+ATL+F1 #进入终端1（输入用户名和密码后和终端很相似，可以大胆进去） sudo service lightdm stop #关闭图形界面 sudo apt-get install nvidia-384 #自动下载驱动安装,nvidia-384要和显卡型号匹配） sudo service lightdm start #来启动图形界面，并且登录。这个时候应该又回到图形界面。 nvidia-smi #测试有没安装成功。来看是不是能够输出你的GPU的一些信息。要是不能够输出的话，重启。能够输出的话，也建议重启一次。
2、安装cuda8
https://developer.nvidia.com/cuda-downloads (注意tensorflow 1.6/tensorflow1.7支持CUDA9.0+cuDNN7.0)
sudo apt-get install libcupti-dev #安装CUDA依赖库
(1)、cd到安装的文件夹，接着执行：sudo sh cuda_8.0.44_linux.run --override
有个让你选择是否安装nvidia驱动时，一定要选择否： Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48? 因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。 安装完成后，显卡driver版本是9，cuda版本是8。
(2)、配置cuda环境变量
export PATH="$PATH:/usr/local/cuda-8.0/bin" export
LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
nvidia-smi #结果出现以下输出，说明配置成功
3、安装Cudnn
先下载https://developer.nvidia.com/rdp/cudnn-download#a-collapse704-9 简单地说，就是复制几个文件：库文件和头文件。将cudnn的头文件复制到/usr/local/cuda/lib64，将cudnn的库文件复制到/usr/local/cuda/include。 下载下来后,cd 到文件包目录下,解压文件。
tar -zxf cudnn-7.0-linux-x64-v4.0-prod.tgz cd cuda #链接到cuda的库里 sudo cp lib64/* /usr/local/cuda/lib64/ sudo cp include/cudnn.h /usr/local/cuda/include/ 要不要链接cuDNN的库文件： $ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4 $ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so #链接完config更新
$ sudo ldconfig
(1)、最后把cudnn的头文件拷贝到/usr/local/cuda-8.0/include下面，库文件拷贝到/usr/local/cuda-8.0/lib64下面 设置环境变量文件.bashrc或profile export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:#LD_LIBRARY_PATH 更新环境变量
souce /etc/profile
4、Anaconda下载和安装
1、下载
安装包大概有500M，下载得一段时间。https://repo.continuum.io/archive/https://www.anaconda.com/download/#linux
2、安装
(1)、查看原装python
没有安装anaconda之前，我们输入：which python 查看python的原生默认安装路径为： /usr/bin/python
安装了anaconda之后，再次输入：which python 会改变为：/home/xxy/anaconda3/bin/python
(2)、安装
bash ~/Downloads/Anaconda3-2019.07-Linux-x86_64.sh
3、测试
T1、直接测试
直接输入python回车即可！
此时输入 exit() 退出python环境 conda --version #检测版本
PS：为了避免可能发生的错误, 可以在命令行输入：conda upgrade --all 可先把所有工具包进行升级。
T2、conda测试
先测试
conda listanaconda会自动将环境变量添加到PATH里面，如果后面你发现输出conda提示没有该命令，那么你需要执行命令
source ~/.bashrc 更新环境变量，就可以正常使用了。
(1)、继续修改 如果发现这样还是没用，那么需要添加环境变量。 编辑~/.bashrc 文件，在最后面加上
export PATH=/home/bai/anaconda3/bin:$PATH
保存退出后执行：source ~/.bashrc
source ~/.bashrc 再次输入conda list测试看看，应该没有问题！
conda list参考文章：Ubuntu之bashrc：成功解决Ubuntu系统内出现的conda：未找到命令
5、官方Anocuda介绍安装攻略
https://docs.anaconda.com/anaconda/install/linux lspci | grep -i nvidia #显示出你的NVIDIA GPU版本信息 gcc --version #验证是否安装了gcc sudo apt-get install gcc #如果没有，可以在终端键入 cd到下载的文件夹，然后输入命令 bash ~/Downloads/Anaconda3-5.1.0-Linux-x86_64.sh 然后点击yes，回车进行安装，接着yes，选择加入环境变量。检查是否安装成功：终端输入python，出现详细信息即安装成功！ conda list #显示所有的包
(1)、配置anaconda：如果不进行配置，启动spyder等也是不能够运行tensorflow的，因为anaconda中默认anzhaung的spyder等是应用于root的，而非tensorflow。在Terminal中运行命令： anaconda-navigator #启动anaconda。 在左侧列表中，选择Environment，可看到Anaconda中安装环境为root和tensorflow。选择Tensorflow后，边上会出现一个箭头，这时就可以在右边的列表中查看、安装、卸载Tensorflow下的软件及软件包了。 安装的软件可在anaconda->home下查看，同样需要选择应用环境。 ipython # terminal下运行python语句,支持自动补全 spyder # 集成开发环境 jupyter # 交互式笔记本
6、进入Jupyter Notebook
ipython notebook
7、Tensorflow安装、验证
(1)、创建Tensorflow环境 (使用tfEnviro作为环境)
conda create -n tfEnviro python=3.6
source activate tfEnviro #激活环境
(2)、安装tensorflow的gpu版本
在所创建的tfEnviro环境下，安装tensorflow： pip install --ignore-installed --upgrade tfBinaryURL
conda install ‐‐channel https://conda.anaconda.org/anaconda tensorflow‐gpu=1.9.0如果遇到错误，换为下边的命令
pip install tensorflow-gpu==1.9.0
(3)、安装jupyter notebook
conda install ipython
conda install jupyter (4)、测试tensorflow是否安装成功
T1、jupyter上测试
执行命令jupyter notebook ，打开一个新的Jupyter Notebook，输入一行import tensorflow as tf 并运行
jupyter notebook
import tensorflow as tf T2、terminal内直接测试
重启terminal后，输入命令：
source activate tfEnviro #首先激活tensorflow环境
python #启动python环境
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow! # 恭喜！安装成功！
'或者'
python -c "import tensorflow as tf; print(tf.__version__)"
(5)、安装spyder
为了使用TensorFlow，需要在tfgpu环境下安装spyder
conda install spyder
