此篇博文针对零基础的同学所撰写，基本属于step-by-step。需要注意的是：目前CUDA已经到了CUDA10.0版本，但遗憾的是目即使最新的Tensorflow1.12也暂时只支持CUDA9.0，因此，我们选择9.0版本进行安装。当然，如果实在想尝鲜，可以通过tensorflow的源码安装，需要自己编译，我们将在另外文章中专门介绍，这里不详述。

一、Ubuntu18.04 LTS系统的安装

1. 安装文件下载

登陆ubuntu官网(https://www.ubuntu.com/index_kylin)，点击“Download”选项，会出现下载页面，我们选择ubuntu 18.04 LTS Desktop版本，跟16.04LTS版本一样，这是一个长期维护版本（想尝鲜的可以选择18.10，但不建议这么做）。一般下载速度很快（我平时网速不太理想的情况下都达到了4M速度），下载文件的全名为：ubuntu-18.04.1-desktop-amd64.iso，大概1.81GB.

在这里插入图片描述

2. 制作U盘安装镜像文件

• (1) 首先下载U盘启动文件制作工具，这里我们用rufus，官网（https://rufus.ie/， 貌似直接点击这个网站会出现404错误，但是百度搜索rufus，第一条就是rufus官网）， 默认打开下载英文版（也可以选择下载中文版），这是个绿色软件，不需要安装，我们选择下载最新的rufus 3.3版本。
• (2)打开rufus-3.3.exe，如果没什么意外的话，在rufus软件界面中的设备一栏应该出现我们插入电脑的U盘的盘符（比如这里的YPZHAI），如果没有找到的话说明U盘没有正确插入或出现了其它问题。点击“选择”按钮，选取我们刚下载好的“ubuntu-18.04.1-desktop-amd64.iso”，其它设置采用默认值即可。点击“开始”，会弹出一个通知对话框，直接点击“是”，进入下一步，选择默认的“以ISO镜像模式写入”，点击进入下一步，会警告你U盘上的数据会被全部清空，选择“是”，大概等待1分钟左右，安装U盘应该已经制作好。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

3. 开始安装

• （1）插入U盘，启动电脑，按下“F2”（不同的电脑按键不同，请仔细查看启动界面上的提示）进入BIOS设置界面，在启动项（Boot Priority）选择从U盘启动（不同的主板显示可能不一样），保存退出。
• （2）开始安装，一般会让选择语言、键盘布局等（选择默认即可），在选择“Updates and other software”时，选择"Normal installation"，这样一些常用的软件就默认安装上了。在“Installation type”中，如果不打算安装双系统，直接选择第一个“Erase ****”，这样电脑上原先的系统以及相关文件数据等都将全部删除，因此在此之前一定要备份好重要数据！接下来进入“Where are you”时区选择，选择“shanghai”即可，下一步让你输入你的名字、电脑名、用户名、以及密码等。输入完毕，正式进入安装流程，整个过程大概需要20分钟左右。

二、设置软件源的国内镜像

1. 设置方法

Ubuntu在安装软件的过程中，默认从其官方源下载，但由于国内网络的原因，往往很慢。因此为了加快安装速度，建议设置国内镜像。在ubuntu系统中，软件源记录在/etc/apt/source.list文件中，因此，我们只需要将要加入的国内镜像的地址写入这个文件即可，在写入之前记得备份一下原始的内容。

sudo cp /etc/apt/source.list /etc/apt/source.list.bak  # 备份
sudo gedit /etc/apt/source.list                        # 用gedit打开source.list文件

将下述内容全部拷贝到source.list文件的头部，保存退出。

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

然后，在命令行执行如下命令更新软件源

sudo apt-get update

等待片刻，软件源更新完成，这样采用apt-get install方式安装软件时将优先从上述国内镜像地址寻找软件源，速度将快不少。到此，如果你不想了解关于国内镜像的知识，可以直接进入下一节开始显卡驱动的安装，如果想了解ubuntu的镜像知识，可以继续往下看。

2.关于ubuntu镜像的小知识

首先，简单介绍下关于Ubuntu的source.list文件的内容，该文件在/etc/apt/目录下，它记录了ubuntu软件更新的源的地址及目录，默认是ubuntu的官方源，source.list文件内容的具体含义如下：

1 | 2 | 3 | 4 | 5 | 6 | 7
---|---|---|---|---|---|---|---
deb | url | 版本代号（比如xenial）| main | restricted | universe | multiverse
deb-src | url | 版本代号（比如xenial）| main | restricted | universe | multiverse

上述格式中，第1列为deb或deb-src，分别代表直接通过.deb文件进行安装和通过source code源文件进行安装两种方式；第2列为URL地址，比如ubuntu官方源的地址为http://archive.ubuntu.com/ubuntu/，第3列为版本代号,具体见下表（这里只给出.04版本的，其它版本可以自己取查看），一般只取代号的第一个单词（比如16.04版本只取Xenial这个单词），需要注意的是版本一般有5个不同的类别（这里以xenial为例说明，一般有xenial, xenial-updates, xenial-security，xenial-proposed xenial-backports，一个类别一条记录，实际上是一个文件夹），从第4列到第7列为版本代号文件夹下不同的文件夹的名称（一般也有4个不同的文件夹，分别为：main,restricted,universe,multiverse，其具体意义见下表），当然第4到第7列是并列关系，完全可以每个文件夹一条记录，也可以并列在一起。

下面分别给出18.04版本的官方源、阿里云源、以及清华的源

1. 官方源

deb http://archive.ubuntu.com/ubuntu/ bionic main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-backports main restricted universe multiverse

2. 阿里云源

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

2. 清华的源

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main multiverse restricted universe

三、Nvidia显卡驱动的安装

1. 首先查看显卡型号和推荐的显卡驱动

ubuntu-drivers devices

在这里插入图片描述

从输出的信息看到推荐的是nvidia-driver-390的驱动，因此我们安装nvidia-390驱动。需要注意的是有个奇怪的现象就是在中断输入上述命令，有可能得到不同的推荐，比如有可能推荐384或396或410驱动，在16.04系统上，我们安装384驱动比较保险，在18.04系统上，理论上也没问题，这里我们还是按照系统推荐，安装390驱动。

2. 安装nvidia-390版本驱动

# 将系统中存在的nvidia驱动全部卸载掉（如果有的话）
sudo apt-get purge nvidia*

# 添加ppa源并更新
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 安装nvidia-390版本
sudo apt-get install nvidia-390

安装速度取决于下载速度，还是有点慢，但勉强接受，如果安装失败，可以再试1次。安装完毕记得一定要重启系统。

3. 重启系统，可以查看安装是否成功

nvidia-smi

如果出现如下信息，说明驱动安装成功。

在这里插入图片描述

四、CUDA9.0的安装

1. CUDA版本选择

目前CUDA已经到了CUDA10.0版本，但遗憾的是目即使最新的Tensorflow1.12也暂时只支持CUDA9.0，因此，我们选择9.0版本进行安装。当然，如果实在想尝鲜，可以通过tensorflow的源码安装，需要自己编译，我们将在另外文章中专门介绍，这里不详述。

这里需要注意的是：在nvidia的官网上，我们发现CUDA9.0的ubuntu版本只有16.04和17.04的，而没有18.04的(CUDA10.0有18.04版本)，不过没关系，经过测试发现17.04版本在18.04版本上能正常安装并运行，因此这里我们选择下载17.04版本的（16.04的没有测试，理论上应该也是没有问题的）。

[图片上传失败...(image-18e989-1542892955617)]

2. 安装CUDA9.0

首先从Nvidia官网下载cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb和 4个补丁 文件。安装步骤如下：

Step1：切换到下载好的文件目录，并安装meta-data

sudo dpkg -i cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb

Step2: 安装CUDA的GPG Public Key

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

Step3：更新APT源

sudo apt-get update

Step4：安装CUDA

sudo apt-get install cuda

Step5：安装补丁

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda

当然，不安装上述补丁对后续的安装也应该没多大影响，但是建议还是把上述4个补丁全部安装，这对系统运行的性能可能有所提升。

3. 设置环境变量

在 ~/.bashrc中设置环境变量：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

运行如下命令使得环境变量生效

source ~/.bashrc

测试环境变量是否生效，可以运行一下nvidia的查看CUDA版本的命令

nvcc --version

在这里插入图片描述

如果出现上述信息，说明环境变量设置生效。

五、cuDNN7.3的安装

这里我们选择下载cuDNN v7.3 for CUDA9.0版本（子项为cuDNN v7.3 Library for Linux），安装包为cudnn-9.0-linux-x64-v7.3.1.20.tgz。

Step1: 解压

tar -zxvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

在当前目录下会生成cuda目录

Step2：将cudnn.h文件和lib文件拷贝到CUDA的安装目录下

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

注意上面第二行命令中的-d不能少，否则会提示.so不是symbol link。

Step3：赋予执行权限

sudo chmod a+x /usr/local/cuda/include/cudnn.h
sudo chmod a+x /usr/local/cuda/lib64/libcudnn*

经过上述步骤，就基本配置好了系统以及CUDA环境，下面我们就可以安装配置Tensorflow框架了

六、Tensorflow-1.12的安装

1. Python开发环境配置.

首先，我们要确保系统中安装了如下Python环境：
python3, pip3，以及 virtualenv，在命令行查询相应的版本

python3 --version
pip3 --version
virtualenv --version

如果提示没有安装，则用如下命令安装：

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv

2. 创建Python虚拟环境

python的虚拟环境用来隔离系统和相应的安装包，这非常有利于不同版本之间的隔离，总之好处多多，尤其是不同的项目使用不同的软件版本时，能避免令人头痛的版本混乱问题，强烈建议安装虚拟环境。安装命令如下：

virtualenv --system-site-packages -p python3 ./venv

上述命令的意思是创建一个虚拟环境（该虚拟环境文件被放置到venv目录下），该环境使用python3，并且将python3下已经安装的包都复制过来（--system-site-packages），如果选择不复制python3下已经安装的包，则使用--no-site-packages，这样，已经安装到系统python环境中的所有第三方包都不会复制过来，这样就会得到一个不带任何第三方包的“干净”的python运行环境。这里我们选择复制python3下已经安装的软件包。

如果要使用，则用下述命令激活该虚拟环境

source ./venv/bin/activate

如果环境激活，则shell命令行前面会出现(venv)。
在该虚拟环境下安装任何软件包都不会影响系统python环境。如果要退出该虚拟环境，则在命令行执行即下述命令可退出该虚拟环境。

deactivate

3. 建立软链接

为了使用方便，我们可以建立一个软链接，假设我们的虚拟环境安装的绝对路径是/home/scek/Project/venv/，则激活的shell命令的绝对路径是/home/scek/Project/venv/bin/activate。一般我们启动终端的时候，会默认在/home/scek/目录下，在这个目录下建立软链接，链接名称假设为venv，则用下面命令：

ln -s ./Project/venv/bin/activate  venv

建立软链接之后，一启动终端，就可以直接输入：

source venv

即可激活虚拟环境，对比原始命令

source ./Project/venv/bin/activate

方便了不少。

4. 安装Tensorflow

安装很简单，执行如下命令即可：

pip install tensorflow-gpu

上述命令会安装最新的release版本(目是1.12版本)，如果要指定安装版本，则采用如下命令

pip install tensorflow-gup = 1.10

但是由于国内网络环境问题，安装速度慢的无法忍受，这里我们推荐采用清华的pypi镜像进行安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

测试安装是否成功

python -c "import tensorflow as tf; print(tf.__version__)"

如果安装成功，则会输出当前的版本。
为了方便其他pip包安装的方便，我们可以将pypi源永久修改，免得每次都要输入镜像地址：

首先在当前用户目录下新建~/.pip/pip.conf

mkdir .pip
sudo vim .pip/pip.conf

将下述内容写入pip.conf文件中并保存

[global]
index-url = https://mirrors.aliyun.com/pypi/simple
[install]
trusted-host=mirrors.aliyun.com

这里我们采用了阿里云的pypi源，也可以采用其它的源：

https://pypi.tuna.tsinghua.edu.cn/simple    # 清华
http://mirrors.aliyun.com/pypi/simple/      # 阿里云
https://pypi.mirrors.ustc.edu.cn/simple/    # 中国科技大学 
http://pypi.hustunique.com/                 # 华中理工大学
http://pypi.sdutlinux.org/                  # 山东理工大学
http://pypi.douban.com/simple/              # 豆瓣

七、Jupyter notebook的安装配置

写python代码，可以采用的工具有很多：

1. 直接在命令行输入python，即可进入python开发环境
2. 用第三方代码编辑器，推荐使用sublime text3。 或者用第三方IDE工具， 比如Pycharm， 但是这个软件很耗内存，IDE工具的优点和缺点基本都有，个人不太喜欢使用这个IDE。
3. 使用Jupyter Notebook. Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。是非常友好的一款开发工具，尤其适用于代码测试，编写交互式文档，等等。需要注意的是，因为我们将tensorflow等工具安装在venv虚拟环境下，因此，为了在jupyter中正常使用tensorflow，就必须做一些额外的工作，下面给出具体步骤：

（1）step1：安装jupyter notebook

sudo pip install jupyter

（2）step2：进入venv虚拟环境（注意必须进入虚拟环境），设置kernel

pip install ipykernel
python -m ipykernel install --user --name=tensorflow

上述--name=tensorflow是设置显示的环境名称，当然可以起一个任意的名字。
（3）Step3：启动jupyter

jupyter notebook

启动之后，在new新文件时可以选择tensorflow作为内核即可。

通过上述步骤，我们已经完全配置了深度学习所需的基本环境，可以在深度学习的海洋中遨游了。