??最近做的项目需要使用GPU做深度学习训练任务，查询一些资料后，成功安装配置tensorflow-gpu，以下是我在安装过程中的一些经验。

??Anaconda它是一种功能强大的环境管理器，可以方便地管理和切换不同的环境管理器python在做深度学习任务时，建议安装环境。Anaconda这里下载网站，根据系统配置选择相应的下载。例如，我的系统是RHEL7，就选择Linux_64_x86下载。

??Anaconda安装完成后，可以创建新的python环境如下：

conda create -n tensorflow python=3.5

??这样，一个名字就被创建了tensorflow，python版本为3.5的新环境。-n后面是环境名，python版本也可以自己选择。conda删除环境的命令如下：

conda remove -n tensorflow --all

??创建环境后，使用以下命令进出环境：

conda activate tensorflow conda deactivate

??进入tensorflow可在环境后使用pip来下载相应的package，比如需要的tensorflow-gpu1.12.使用国内清华镜像源下载速度更快：

pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

??package下载后，您可以使用以下命令检查安装是否成功：

pip list

??安装cuda9.在确认主机上有可用性之前GPU，然后检查Nvidia使用以下命令：

cat /proc/driver/nvidia/version

??存在Nvidia如果显卡输出上述信息，驱动版本为390.25.查阅驱动版和cuda选择相应的关系表后cuda9.0和cudnn7.5.0下载。如果主机上没有Nvidia驱动需要下载和安装Nvidia驱动。对应表格如下： ??cuda下载网站，根据显卡驱动版本和系统选择相应的下载，最后选择runfile版本。cudnn下载网站需要先创建Nvidia Developer只有在以下载后，注意和谐cuda匹配主机操作系统的版本。 ??下载完成后，使用命令进行安装cuda和cudnn：

sh NVIDIA-Linux-x86_64-384.183.run（下载的cuda包）

rpm2cpio libcudnn7-7.5.0.56-1.cuda9.0.x86_64.rpm | cpio -dvim（下载的cudnn包，根据不同的格式使用不同的解压命令，我在这里下载Red Hat系统的rpm包）

??因为我们的安装是在非root所以在安装的权限下cuda在此过程中，需要设置自己的安装路径，如/home/用户名/cuda-9.0；此外cuda还需要设置安装过程sample例如/home/用户名/cuda-sample。其他需要在安装过程中使用root权限选择no即可，如driver驱动安装选择no。cudnn包解压后，需要将目录下的库文件复制到cuda目录下并修改权限： ??cp cudnn/include/cudnn.h cuda-9.0/include/ ??cp cudnn/lib64/libcudnn* cuda-9.0/lib64 ??chmod a r cuda-9.0/include/cudnn/h cuda-9.0/lib64/libcudnn* 然后修改用户的环境变量，输入/home/用户名/.bashrc添加以下句子： ??export PATH=$HOME/cuda-9.0/bin:$PATH ??export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda-9.0/lib64/ 修改之后source ~/.bashrc使环境变量生效。

??使用nvcc -V命令可以检查安装情况cuda版本，以后用conda activate tensorflow进入指定python环境。输入python后进入python开发环境，输入import tensorflow，如果没有错误，则不会输出信息；如有错误，根据错误信息进行检查tensorflow，cuda，cudnn版本是否匹配。